Langsung ke konten utama

Trik Pandas yang Perlu Kamu Ketahui

Banyak sekali cara untuk mengolah data. Salah satu bahasa yang lazim digunakan adalah python. Dalam python, ada sebuah library yang cukup terkenal dalam pengolahan data, yakni pandas. Library pandas merupakan library standar yang rasanya sangat penting dalam pengolahan data.

Mengolah data merupakan hal yang cukup kompleks. Dalam beberapa hal, pengolahan data bisa menjadi hal yang sangat meribetkan. Kita perlu memahami beberapa trik yang mungkin akan sangat membantu dalam pengolahan data, utamanya dengan python library pandas. 

Pada artikel ini, penulis menggunakan dataset crypto.csv. Dataset ini merupakan data perubahan nilai mata uang kripto (kurs) pada tiap harisnya. Data ini cukup lengkap, karena menyimpan pula data seperti yang biasa tertera pada bank sentral, seperti markercap, nilai buka, nilai tutup, dan nilai tertinggi tiap harisnya. Tanpa berpanjang lebar, langsung cekidot beberapa trik tentang pandas yang perlu kamu ketahui:



1. Groupby

Method groupby adalah method yang cukup lazim untuk mengumpulkan data. Data yang cukup kompleks perlu dikumpulkan agar pengolahan lebih optimal. Dengan method ini kamu bisa mengumpulkan data sesuai kebutuhanmu. Untuk memudahkan tampilan, pada akhir, penulis beri method sum, maksudnya data yang telah di grup akan dijumlah berdasarkan klaster yang terbentuk, agar tabel bisa dibaca dengan mudah.


2.Stack dan Unstack

Stack dan unstack merupakan method yang lazim digunakan untuk klasifikasi data. Dalam beberapa kasus, agar memudahkan pembacaan data, data perlu diklasifikasi atau dikumpulkan penataanya. Pada dasarnya jika data yang terkumpul tidak diberi megthod .unstack maka data akan stack atau terkumpul secara otomatis, utamanya data yang telah digrup berdasarkan suatu kriteria.


data yang di unstack
data tanpa unstack(=stack)
3. Menghilangkan index dan mengannti dengan nama data
Pada beberapa kesempatan, kita perlu menghilangkan index dari tabel agar tampilan tabel yang dibaca orang lain lebih jelas. Pada beberapa kasus, keberadaan indeks justru membuat visualisasi terlihat membingungkan. Keberadaan indeks kadang membuat kita ribet, perlu menjelaskan apa makna indeks, padahal indeks kadang merupakan nomor data saja. Oleh karena itu, kita dapat mengantinya dengan kolom lain yang kita rasa bermanfaat, seperti nama dari tiap dantum. 

data yang divisualisasi tanpa menghilangkan indeks

data yang indeksnya kita ganti dengan nama mata uang
tampilan tabel dengan penghilangan indeks
4. Menganti nilai suatu data dengan nilai lain
Misalkan kamu ingin menganti nilai angka pada data menjadi string, agar orang lebih mudah membacanya kamu dapat melakukannya dengan method replace. Method ini akan mengubah data sesuai conditional yang kamu buat. Pada kasus ini misalnya, kamu ingin mengubah singkatan tiap cryptocurency dengan kepanjangannya. Kamu tak perlu ribet membuat fungsi, cukup masukkan perubah untuk tiap singkatan.
Sekian dulu tips n trik dari saya, semoga bermanfaat sampai jumpa pada lain kesempatan dan terima kasih sudah membaca. Untuk mendukung tulisanku kamu bisa share dan komen di blog ini terima kasih.
Wassalamualaikum.

Komentar

Postingan populer dari blog ini

Identitas Mahsiswa dan Budaya Korupsi

  Posisi Potensi dan Peran atau yang biasa disingkat PoPoPe merupakan gambaran dari identitas mahasiswa. Popope mengambarkan bagaimana lingkungan dan tugas yang harusnya mahasiswa emban. Berisi tangung jawab dan empati, bukan sekadar omongan atau gelar kebanggan semata. Mahasiswa harus peka mengenai posisinya di masyarakat dalam bernegara. Selain itu, ia harus peka melihat potensi yang dimiliki lingkungannya, bukan malah menjadi eksklusif dan menjadi manusia yang merasa di atas. Berperan lantgsung bukan hanya sebagai mediator melainkan katalisator, bukan hanya orang yang banyak bicara tanpa aksi nyata dan mencari nama tanpa manfaat semat. Meskipun pandemi Covid melanda dunia. Namun, sungguh disayangkan, kerguian negara akibat koruipsi tak menurun. Sadisnya, justru terjadi tren pengingkatan kerugian negara akibat korupsdi sejak 2016 (ICW, 2021). Dari 444 kasus korupsi 107 di antaranya merupakan korupsi proyek Covid19, baik dpengadaan bansos, hingga proyek lainnya. Mahasiswa seba...

Machine Learning: Supervised Learning

Pada artikel sebelumnya, kita telah mempelajari bahwa supervised learning adalah jenis machine learning yang dilatih model dan akurasinya dengan dataset yang sudah diketahui ketepatan outputnya. Nah, pada post kali ini aku bakal sedikit jelasin mengenai supervised learning. Sebelum lebih jauh, mari kita bahas lagi cara penyelesaian supervised learning. Pada dasarnya, masalah pada supervised learning dibagi menjadi dua,  yakni data kontinu serta diskrit. Dari data itu lah, nantinya kita bisa menentukan metode apa yangf tepat untuk kita gunakan dalam machine learning kita. Mari kita bahas satu persatu.  1) Data Kontinu (Regression Problem) Data berjenis kontinu adalah data yang memiliki nilai kontinu. Nilai kontinu adalah nilai yang didapat dari suatu pengukuran, dan nilainya merupakan sebuah nilai antara dua titik. Ciri dari data kontinu adalah tiap nilainya memiliki kesinambungan dengan nilai lainnya. Contoh dari data kontinu adalah skor tes, harga rumah, luas rumah, luas hala...

Need-Know-How-Solve: Problem (2) Jumlah Tukang Cukur Rambut Pria di Bandung

Halo, Bismillah Assalamualaikum wa rahmatullahi wa barakatuh. Kembali lagi dengan saya, Risqi Firdaus. Pada kesempatan kali ini, saya akan membahasa sedikit tentang penyelesaian masalah dengan Need-Know-How-Solve. Untuk memudahkan, kita akan melakukan studi kasus pada permasalahan jumlah tukang cukur rambut pria di bandung. Need: Jumlah kios cukur rambut pria di Kota Bandung. Know:  Menurut sensus penduduk tahun 2020 yang dilakukan oleh BPS, jumlah penduduk Kota Bandung pada tahun 2020 ialah 2,5 juta warga. Dalam publikasi yang sama, BPS menyatakan perbandingan penduduk berdasarkan gender berada di angka 1:1.  Menurut data Dinas Kependudukan dan Pencatatan Sipil, pada tahun 2018, terdapat 51 ribu perantau yang mengadu nasib di Kota Bandung. Peningkatan per tahunnya juga sangat kecil, yakni berkisar di angka 0,006 persen.  Menurut Elmira, rentang waktu ideal memotong rambut pendek (umumnya pria) ialah 4-6 minggu sekali.  Mengutip dari Replubika, sebuah kios barbershop...