Langsung ke konten utama

Memilah Data Menggunakan Library Pandas

sc: makeameme.org

Filtering data? Pake filter rokok? atau pake saringan tahu?

Ketika mengolah data menggunakan python, khususnya library pandas, kita mungkin tidak akan menggunakan semua data ataupun kolom pada dataset yang kita miliki. Kita hanya akan memilih data mana yang akan kita gunakan agar pengolahan lebih rapi dan simpel. 

Pandas menyediakan banyak cara untuk menyeleksi data. Tiap cara penyeleksi memiliki keunikan tersendiri dalam metodenya. Penggunaan method perlu memerhatikan kenyamanan dan keperluan.

Sebelum menyeleksi data, salah satu method yang kiranya perlu diaplikasikan ialah ".columns". Method ini akan menampilkan list kolom-kolom dari data frame yang kita gunakan.

Pada tulisan kali ini, aku pake dataset dari kaggle. Data yang aku pake berjudul HRDataset_v14.csv. Dataset bisa diakses pada link di atas.


Setelah mengetahui kolom apa saja yang terdapat pada dataset kita dapat mulai menyeleksi data. Ada beberapa cara yang dapat digunakan. 

1. Seleksi dengan conditional dalam kurung siku.


Kita dapat memfilter data dengan metode df[((conditional))] dengan begitu akan muncul data dengan klasifikasi sesuai kondisional. Perlu diingat contditional yang digunakan pada teknik di atas menggunakan ( | sebagai or, & sebagai and). Berbeda dengan dasar pyhton. 

2. Dengan method query


Cara ini menghasilkan data terfilter yang sama dengan cara sebelumnya. Hanya saja pada pemfilteran tak perlu mencatut lagi dataset, cukup masukkan nama kolom dengan "`" dan semuanya dibungkus dengan apostrof/petik. Cara ini menggunakan syntax conditional yang sama dengan python. 

3. Menggunakan method .loc

method .loc digunakan untuk mengakses baris atau index tertentu. Kita dapat memvariasikan penggunaanya dengan conditional untuk memfilter data.  Syntax conditional yang digunakan mirip dengan conditional pada pemfilteran dengan kurung siku seperti biasa.

4. Menggunakan method terkhusus (eq, ne, le, lt, ge, gt)
Method ini adalah method yang cukup simpel. Namun penggunaannya sangat terkhusus. Tiap method mewakili satu jenis conditional. Penggunaanya dapat dikali brasi dengan method lain.
eq ekuivalen dengan "==" atau data sama dengan 
lt ekuivalen dengan "<" atau data lebih kecil cari
le ekuivalen dengan "<=" atau data lebih kecil sama dengan
gt ekuivalen dengan ">" atau data lebih besar dari
ge ekuivalen dengan ">=" atau data lebih besar sama dengan

Mungkin itu dulu beberapa cara memilah data. Mungkin ga selalu tepat, karena bisa jadi penulis melakukan kesalahn atau kekurang pahaman. Segala bentuk kritik dan saran sangat lah diterima. Terima kasih sudah membaca, semoga jadi berkah untuk kita semua.













Komentar

Posting Komentar

Postingan populer dari blog ini

LeetCode (70): Permasalahan Menaiki Tangga

image source: liputan6 Seperti biasa, setiap pagi, aku mencoba untuk mengerjakan persoalan atau problem yang disediakan oleh Leetcode, sebuah website kumpulan persoalan yang biasanya diujikan pada technical test  ketika ingin melamar pekerjaan atau magang. Namun, kemarin, aku menemukan sebuah persoalan unik yang berjudul Climbing Stairs. Yang membuat persoalan ini unik bukan tingkat kesulitannya, melain sebagaimana tricky penyelesaiannya. Berikut persoalan Climbing Stairs dari LeetCode.  Seseorang bisa menaiki tangga dengan naik satu anak tangga atau langsung menaiki dua anak tangga sekaligus. dalam menaiki tangga, bisa saja dapat banyak kombinasi cara menaiki tangga. Jika terdapat tangga setinggi n anak tangga. Tentukan banyak cara menaiki anak tangga.     Bila Anda diminta untuk menyelesaikan ini, bagaimana kah cara Anda menghitungnya? Sejatinya, ada banyak cara menyelesaikan permasalahan ini. Namun, dalam komputasi, jawaban terbaik disajikan dalam cara termalas atau nilai kompleksit
Posting Komentar
Baca selengkapnya

Sebuah Catatan Semester III dan 2021

Grafik pengunjung blog [Mungkin mengandung kata kasar, dan menganggu]  Katanya " Orang yang beruntung adalah yang hari ini lebih baik dari kemarin, orang merugi adalah yang hari ini tak lebih baik dari hari kemarin, sedangkan orang celaka adalah yang hari ini lebih buruk dari hari kemarin". Begitulah gambaran awalnya, mungkin kalo dievaluasi. Muncul pertanyaan besar, kiranya di manakah posisi Risqi sekarang? Jika boleh jujur, menurut penulis, Risqi sekarang ada di titik celaka. Ya, yang hari kemarinnya masih lebih baik dari hari ini. Baik dari spiritual, moral hingga akademik. Sudah banyak teman ia minta saran, tapi rasanya sama saja. Sepertinya beda saja, dulu dua amat rajin membuat artikel machine learning di blog, mencoba hal atau teknologi baru, ikut hackathon dan lomba, tapi sekarang progressnya macet, liburan diisi dengan hal tak bermanfaat. Bukannya tak bersyukur, memang kadang dalam mengevaluasi diri perlu disadari dan diakui bahwa DIRIMU S*MPAH. Orang berkata, banya
2 komentar
Baca selengkapnya

30 Jam 3 Orang 1 Produk

 Mungkin, artikel ini berjudul 30 jam, tapi cerita yang kubawakan mungkin akan lebih panjang. Cerita tentang perjalan membuat Workoutin (ini link copyannya). Walau masi jauh dari sempurna. Namun, perjalanan ini cukup menarik buat aku critain. Ini merupak first time masuk final lomba nasional, ya meskipun belum juara 1 :"), but hamdallah. Berawal dari sebuah informasi lomba di notion. Ya, awalnya aku kurang berminat, karena takut, dan banyak hal lain. Namun, aku sadar, kalo aku tetep di state ini, ga mau bergerak, mana mungkin berubah? Cerita pun berawal dari pencarian tim. Aku tidak begitu saja mendapat tim. Beberapa kali mendapat penolakan. Hingga akhirnya terbentuklah, Risqi, Yandy, Helmi, alias Gak Ada Ide. Aneh memang, berawal dari kebingungan memberi nama, kami pun akhirnya memberi nama "Gak Ada Ide" karena memang ga ada ide untuk nama tim. Setelah mendaftar, bisa dibilang, kami cukup santai dengan lomba ini. Kami tidak menarget sedikitpun.  Saking santainya, mungki
Posting Komentar
Baca selengkapnya