Tipe Data

Memahami tipe data sangat penting untuk bekerja dengan kumpulan data secara efektif. Dalam pelajaran ini, kita akan menjelajahi tiga tipe data utama: numerik, kategorikal, dan deret waktu.

Data Numerik

Data numerik mewakili angka dan dapat berupa:

• Diskret: Bilangan bulat seperti 1, 2, 3.
• Kontinu: Angka dengan desimal seperti 3.14, 7.89.

Contoh: Usia, suhu, dan pendapatan.

Data Kategorikal

Data kategorikal mewakili kelompok atau kategori. Data ini dapat berupa:

• Nominal: Kategori tanpa urutan tertentu (misalnya, warna: merah, biru, hijau).
• Ordinal: Kategori dengan urutan yang bermakna (misalnya, peringkat: rendah, sedang, tinggi).

Contoh: Jenis kelamin, tipe produk, dan tingkat pendidikan.

Data Deret Waktu

Data deret waktu terdiri atas nilai yang dicatat pada interval waktu. Data ini digunakan untuk melacak perubahan atau tren.

Contoh:

• Harga saham yang dicatat setiap hari.
• Suhu yang diukur setiap jam.
• Lalu lintas situs web yang dilacak setiap minggu.

Mengidentifikasi Tipe Data di Python

Anda dapat menggunakan atribut dtypes di Pandas untuk mengidentifikasi tipe data kolom dalam kumpulan data.

Contoh:

import pandas as pd data = {'Age': [25, 30], 'Gender': ['Male', 'Female']} df = pd.DataFrame(data) print(df.dtypes)

Pentingnya Tipe Data

Mengetahui tipe data membantu Anda:

• Memilih teknik analisis yang tepat.
• Memilih visualisasi yang sesuai.
• Menerapkan metode prapemrosesan yang sesuai.

Konversi Tipe Data

Di Python, Anda dapat mengonversi tipe data menggunakan fungsi seperti:

• astype() di Pandas.
• int(), float(), str() untuk setiap nilai.

Contoh:

df['Age'] = df['Age'].astype(float)

Ringkasan

Dalam pelajaran ini, Anda mempelajari:

• Data numerik: Nilai diskret dan kontinu.
• Data kategorikal: Kategori nominal dan ordinal.
• Data deret waktu: Nilai yang dilacak pada interval waktu.

Memahami tipe data sangat penting untuk analisis data yang efektif.

Selamat!

Anda telah menyelesaikan pelajaran tentang Tipe Data. Lanjutkan ke pelajaran berikutnya untuk mempelajari cara menangani data yang hilang secara efektif.