Python & Pandas

Nama yang digunakan untuk menyimpan sebuah nilai, sehingga nilai tersebut dapat dipanggil dan dipakai kembali di bagian kode lain.

nama_variabel = nilai

nama_toko = "Distributor Utama" menyimpan teks tersebut ke dalam variabel bernama nama_toko.

Tipe data Python untuk bilangan bulat, tanpa angka desimal.

jumlah_pesanan = 150 menyimpan angka bulat 150 sebagai tipe data integer.

Digunakan untuk data yang secara alami berupa bilangan bulat, seperti jumlah unit atau nomor urut.

Tipe data Python untuk bilangan desimal.

harga_produk = 99500.50 menyimpan angka dengan pecahan desimal sebagai tipe data float.

Digunakan untuk data yang memerlukan presisi desimal, seperti harga atau rata-rata hasil perhitungan.

Tipe data Python untuk teks, selalu ditulis di antara tanda kutip.

nama_pelanggan = "Ayu Lestari" menyimpan teks tersebut sebagai tipe data string.

Digunakan untuk data berupa nama, alamat, kategori, atau teks lain yang tidak dimaksudkan untuk perhitungan matematis.

Tipe data Python yang hanya memiliki dua kemungkinan nilai, True atau False.

Umumnya muncul sebagai hasil dari sebuah operasi perbandingan atau logika kondisional.

sudah_bayar = True menandakan sebuah kondisi terpenuhi.

Struktur kontrol yang menjalankan blok instruksi berbeda tergantung apakah suatu kondisi terpenuhi atau tidak.

if kondisi: ... elif kondisi_lain: ... else: ...

Kode yang memeriksa nilai transaksi lalu mengelompokkannya ke dalam kategori "Kecil", "Sedang", atau "Besar" berdasarkan tiga kemungkinan rentang nilai.

Struktur kontrol yang menjalankan sebuah blok kode berulang kali untuk setiap item dalam sebuah kumpulan data, seperti list.

for item in daftar: ...

for kategori in daftar_kategori: print(kategori) menampilkan setiap nama kategori satu per satu secara berurutan.

Struktur kontrol yang menjalankan sebuah blok kode secara berulang selama suatu kondisi tertentu masih terpenuhi.

Digunakan ketika jumlah pengulangan tidak diketahui pasti sebelumnya, berbeda dari perulangan for yang biasanya memproses jumlah item yang sudah pasti.

Mengulang proses pengecekan data selama masih ada baris tersisa yang belum diproses, tanpa mengetahui jumlah pastinya di awal.

Struktur data Python yang menyimpan kumpulan nilai secara berurutan, dengan indeks dimulai dari angka 0.

nama_list = [nilai1, nilai2, nilai3]

kategori = ["Fashion", "Elektronik", "Kecantikan"]; kategori[0] menghasilkan "Fashion".

Struktur data Python yang menyimpan pasangan kunci dan nilai, memungkinkan akses data berdasarkan nama kunci, bukan posisi urutan.

nama_dict = {"kunci": "nilai"}

pelanggan = {"nama": "Ayu", "kota": "Bandung"}; pelanggan["kota"] menghasilkan "Bandung".

Blok kode yang diberi nama tertentu, dapat dipanggil dan dijalankan berulang kali tanpa perlu menuliskan ulang seluruh instruksinya.

def nama_fungsi(parameter): return hasil

Sebuah fungsi kategorikan(nilai) memungkinkan logika pengelompokan dipanggil berulang untuk nilai transaksi yang berbeda-beda.

Library Python yang dirancang khusus untuk mengolah data berbentuk tabel.

Umumnya diimpor dengan penulisan import pandas as pd, sehingga fungsinya dipanggil menggunakan singkatan pd.

Digunakan setiap kali data tabular perlu dibaca, dibersihkan, digabungkan, atau diringkas menggunakan kode Python.

Struktur data satu dimensi pada Pandas, mirip dengan satu kolom tunggal berisi kumpulan nilai yang masing-masing memiliki label atau indeks.

Series hanya memuat satu kolom, sementara DataFrame memuat banyak kolom sekaligus.

Mengambil kolom "nilai_transaksi" dari sebuah DataFrame, misalnya melalui df["nilai_transaksi"], akan menghasilkan objek Series.

Struktur data dua dimensi pada Pandas, terdiri dari banyak baris dan kolom sekaligus, setara dengan sebuah tabel penuh.

df = pd.read_csv("nama_file.csv") membaca data dari file CSV ke dalam sebuah DataFrame.

Menjadi struktur data utama yang dipakai hampir di seluruh proses pengolahan data menggunakan Pandas.

Proses menyaring baris tertentu dari sebuah DataFrame berdasarkan suatu kondisi, setara dengan klausa WHERE pada SQL.

df[df["kolom"] > nilai]

df[df["nilai_transaksi"] > 500000] menghasilkan DataFrame baru berisi hanya baris dengan nilai transaksi di atas 500.000.

Metode Pandas untuk mengelompokkan baris data berdasarkan nilai unik pada satu atau lebih kolom, kemudian menghitung agregasi untuk masing-masing kelompok tersebut.

df.groupby("kolom")["kolom_lain"].sum()

df.groupby("kategori")["nilai_transaksi"].sum() menghasilkan total nilai transaksi untuk setiap kategori.

Fungsi Pandas untuk menggabungkan dua DataFrame berdasarkan kolom penghubung tertentu, setara dengan JOIN pada SQL.

pd.merge(df1, df2, on="kolom", how="inner")

Menentukan jenis penggabungan, terdiri dari "inner", "left", "right", dan "outer", sejalan dengan jenis JOIN pada SQL.

Nilai kosong dalam sebuah DataFrame, dapat diperiksa, dihapus, atau diisi menggunakan fungsi khusus Pandas.

df.isnull().sum() memeriksa jumlah nilai kosong; df.dropna() menghapus baris kosong; df.fillna(nilai) mengisi nilai pengganti.

df["metode_pembayaran"].fillna("Tidak Diketahui") mengisi nilai kosong pada kolom metode pembayaran dengan keterangan tersebut.

Library visualisasi Python paling dasar, menyediakan kontrol detail dan fleksibel atas hampir setiap elemen visual sebuah chart.

Umumnya diimpor dengan penulisan import matplotlib.pyplot as plt.

Digunakan ketika dibutuhkan kustomisasi visual yang sangat detail, seperti judul, label sumbu, atau ukuran chart.

Library visualisasi Python yang dibangun di atas Matplotlib, menghasilkan chart statistik yang lebih informatif dengan kode yang lebih ringkas.

sns.barplot(), sns.lineplot(), sns.scatterplot(), dan sns.histplot() untuk masing-masing jenis chart dasar.

sns.barplot(data=df, x="kategori", y="nilai") menghasilkan bar chart perbandingan nilai antar kategori langsung dari sebuah DataFrame.