BEDUG MERIAH Diskon 95%
Belajar Data 6 BULAN Bersertifikat hanya Rp150K!

0 Hari 0 Jam 38 Menit 19 Detik

Ekplorasi Pandas Python Bersama DQLab, Yuk!

Belajar Data Science di Rumah 06-Oktober-2022
https://dqlab.id/files/dqlab/cache/b20f57247365ca00ccad8b62e036eb71_x_Thumbnail800.jpg

Pandas adalah sebuah library yang cukup populer di antara banyak library dalam python, library ini juga bersifat open source yang dibuat terutama untuk bekerja dengan data relasional atau berlabel secara mudah. 


Pandas ini dibuat dengan berdasarkan satu package lain bernama numpy, numpy ini yang akan mendukung suatu array multidimensi. Pandas menjadi salah satu paket kode python yang bisa digunakan secara optimal dengan modul data science yang lain didalam python ini. 


Kali ini kita akan sama-sama membahas tentang pandas python yang meliputi keunggulan apa saja yang ada di dalam library pandas, pandas bisa digunakan untuk apa saja, tutorial untuk menginstall pandas, dan juga struktur data yang ada dalam pandas. Penasaran bukan? Yuk, simak terus artikel ini sampai selesai.


1. Keunggulan Library Pandas

python

Di awal paragraf kita sudah membahas pandas memiliki library yang paling sering dipakai oleh data scientist. Hal ini dikarenakan pandas bisa digunakan secara bersamaan dengan library python lainnya dalam data science, karena library pandas ini dibuat dengan menggunakan Numpy yang artinya ada banyak sekali struktur library yang digunakan di dalam pandas.


Selain itu data akan diproduksi oleh pandas akan digunakan sebagai input plotting functions untuk matplotlib.


Program library pandas sendiri bisa dijalankan diberbagai text editor, tapi biasanya nanti akan disarankan untuk menggunakan jupyter notebook. Kenapa harus jupyter notebook? ini dikarenakan kemampuan text editor ini bisa meng execute kode dari satu cell tertentu tanpa perlu dijalankan file secara keseluruhan.


Baca juga: Praktek Coding Python Sederhana Bersama DQLab, Yuk!


2. Pandas digunakan untuk apa saja?

python

Ada banyak sekali kegunaan pandas ini terutama didalam bidang data analysis yang sangat membutuhkan task repetitif dan juga sangat memakan waktu. Jadi pandang memiliki banyak fungsi yaitu sebagai data cleansing, Data fill, normalisasi data, visualisasi data, penggabungan dan penyatuan data, analisis statistik, inspeksi data, dan juga bisa untuk memuat dan juga menyimpan sebuah data di dalam librarynya.


Pandas juga memungkinkan penggunanya untuk membuat dataframe sekaligus bisa melakukan analisis serta manipulasi dan menyimpan database.


3. Tutorial menginstall pandas

Pertama yang harus kalian perhatikan dalam menginstall pandas adalah pandas tidak tersedia pada modul standar pada saat pertama kali instalasi python, jadi kita diharuskan untuk menginstalnya terlebih dahulu. Kita bisa menginstal pandas dengan cara menjalankan perintah menggunakan pip ataupun bisa menggunakan Anaconda.


Dengan menggunakan pip :

kalian bisa menginstall dengan cara pip install pandas


python


Dengan menggunakan anaconda kalian bisa menginstallnya dengan cara conda install pandas. Jika kalian sudah berhasil menginstall pandas, kalian bisa menggunakannya untuk melakukan manipulasi data dengan cara modul import tersebut pada project yang ingin kita buat nanti.


Setelah itu kalian harus tau bagaimana cara mengimport dataset ke dalam pandas dataframe. Dataset untuk data science biasanya akan hadir dalam format.csv. Cara mengimportnya seperti berikut ini. df = pd.read_csv(‘format_data.csv)df


Baca juga: Belajar Python: Mengenal Array pada Bahasa Pemrograman Python


4. Struktur data pandas

Jadi pada umum pandas memiliki dua struktur data yang berguna untuk memanipulasi data. Dua jenis struktur data yang ada dalam pandas ini adalah series dan dataframe. Pandas series adalah sebuah array satu dimensi yang bisa memegang data dari berbagai tipe, tipe-tipe datanya ada integer, string, sampai python objek.


Pandas dataframe ini sedikit berbeda dengan pandas series karena pandas dataframe ini merupakan struktur dua dimensi. Karena itulah data yang akan diproses disusun dalam bentuk tabel dengan rows dan column. Berikut ini contoh membuat dataframe menggunakan dictionary.


python


Gimana sahabat DQ? Terbukti bukan bahasa python termasuk kategori high level language, syntax-syntaxnya juga mudah dipahami khususnya untuk pemula. Kamu juga ngga perlu khawatir jika kamu belum memiliki pengalaman tentang bahasa python sebelumnya, kamu tetap bisa mengasah pemahaman mendasar kamu tentang python.


Kamu bisa bergabung dalam rangkaian modul DQLab yang berjudul “Python for Data Professional Beginner”. Modul ini terdiri dari 3 part yang bisa kamu selesaikan secara bertahap loh. 


python


Caranya gimana? Mudah banget kok cukup signup sekarang ke DQLab.id lalu pilih menu learn. Setelah itu kamu sudah bisa menikmati pembelajaran yang praktis dan aplikatif dan jago machine learning bersama DQLab!


Tunggu apa lagi? Yuk, signup sekarang dan mulai belajar Module Premium di DQLab!


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login