PROMO SPESIAL 12.12
Belajar Data Science Bersertifikat, 6 Bulan hanya 120K!
0 Hari 1 Jam 39 Menit 14 Detik

Python Tutorial : Cara Mengubah Bentuk Data Frame Menggunakan Metode Melt

Belajar Data Science di Rumah 05-Oktober-2020
https://dqlab.id/files/dqlab/cache/1badfa23510f278362af338f46c1963d_x_Thumbnail800.jpg
Follow Instagram dan LinkedIn kami untuk info karir dan topik menarik

Ada banyak cara berbeda untuk mengubah bentuk (reshape) suatru Data Frame dalam Pandas dari bentuk lebar ke panjang. Tetapi metode melt () adalah yang paling fleksibel dan mungkin satu-satunya yang perlu Sahabat Data gunakan setelah Sahabat Data sekalian mempelajarinya dengan baik. 

Pada artikel ini, akan diberikan Tutorial yang akan memandu kamu melakukan pengubahan bentuk Data Frame menggunakan pd.melt() atau metode lebur(melt) yang terkait dengan kerangka data pandas. Dalam bahasa lain seperti R, melt juga dikenal sebagai gather. Selain itu, R juga memiliki fungsi melt yang bekerja dengan cara yang sama. Bagi sahabat data sekalian, sangat direkomendasikan untuk mencoba penggunaan melt pada python selama membaca artikel ini. 

Sebelum kita membahas tutorial penggunaan metode melt, kita harus pahami terlebih dahulu perbedaan kerangka data lebar (wide) dan panjang (long). Cara termudah untuk memahami apa itu kerangka data lebar atau tampilannya jika kita melihatnya dan membandingkannya dengan kerangka data yang panjang.

https://dqlab.id/files/dqlab/file/data-web-1/data-user-1/8312a0fe07299f16de3556d611beb01a.png

Dan di bawah ini adalah dataframe yang sesuai (dengan informasi yang sama) tetapi dalam bentuk yang panjang(long):

https://dqlab.id/files/dqlab/file/data-web-1/data-user-1/f251baf924e7f928682c2b7d636c6a2b.png

Mari mulai dengan membuat dataframe yang memanjang dalam python dengan menuliskan kode berikut :

https://dqlab.id/files/dqlab/file/data-web-1/data-user-1/847fb4cf650692b49b64125f56105def.JPG


1. Contoh Penggunaan Melt 1

Pada contoh pertama, kita akan "meleburkan" kerangka data dengan menentukan kolom pengenal melalui id_vars. Kolom non-pengenal "left-over" (bahasa Inggris, matematika, fisika) akan dilebur atau ditumpuk satu sama lain menjadi satu kolom. 


Kolom indikator baru akan dibuat (berisi nilai bahasa inggris, matematika, fisika) dan kita dapat mengganti nama kolom baru ini (cLaSs) melalui var_name. Kita juga dapat mengganti nama kolom tempat semua nilai sebenarnya berada (gRaDe) melalui value_name. Di bawah adalah caranya :

https://dqlab.id/files/dqlab/file/data-web-1/data-user-1/808a37899ffaaf1c16835f3bca957451.JPG

Baca Juga : 3 Metode Numpy Array Python Sebagai Dasar Proses Manipulasi Data

2. Contoh Penggunaan Melt 2

Pada contoh kedua, kita akan menggunakan value_vars untuk menentukan kolom mana yang ingin kita leburkan atau susun ke dalam kolom (di sini, kita mengecualikan kolom fisika, jadi value_vars = ["english", "math"]). Kita juga menghilangkan kolom "school" dari id_vars. Berikut adalah contoh code nya.

https://dqlab.id/files/dqlab/file/data-web-1/data-user-1/e1e47c835b4b3c6e6036709abae5d99c.JPG

3. Contoh Penggunaan Melt 3

Terakhir, mari kita lihat apa yang terjadi jika kita hanya menentukan kolom student sebagai kolom pengenal (id_vars = "student") tetapi tidak menentukan kolom mana yang ingin kita susun melalui value_vars. Hasilnya, semua kolom non-identifier (sekolah, bahasa Inggris, matematika, fisika) akan ditumpuk menjadi satu kolom.

https://dqlab.id/files/dqlab/file/data-web-1/data-user-1/bfe57cef6d6cb4231b72b66d09056251.JPG

Dataframe panjang yang dihasilkan terlihat salah karena sekarang kolom cLaSs dan gRaDe berisi nilai yang seharusnya tidak ada di sana. Intinya di sini adalah untuk menunjukkan kepada sahabat data bagaimana pd.melt bekerja.

Baca Juga : Python Tutorial : 3 Kesalahan Pemula Dalam Mempelajari Python

4. Yuk Pelajari Lebih Lanjut Bersama DQLab!

Yuk mulai pelajari dan terapkan ilmunya pada data yang kamu miliki! Sign Up untuk nikmati module GRATIS "Introduction to Data Science" dengan pengalaman belajar yang seru menyenangkan serta aplikatif pada industri nyata! Untuk kamu yang ingin mulai belajar Data Science atau siap berkarir jadi Data Analyst, Data Scientist, dan Data Engineer, persiapkan diri kamu dengan tepat sekarang. Tidak ada kata terlambat untuk belajar. Yuk #MulaiBelajarData di DQLab.

Dengan belajar di DQLab, kamu bisa:

  • Menerapkan teknik mengolah data kotor, hasilkan visualisasi data dan model prediksi dengan studi kasus Retail dan Finansial

  • Dapatkan sesi konsultasi langsung dengan praktisi data lewat data mentoring

  • Bangun portofolio data langsung dari praktisi data Industri

  • Akses Forum DQLab untuk berdiskusi.

Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":

  1. Buat Akun Gratis dengan Signup di DQLab.id/signup

  2. Akses module Introduction to Data Science

  3. Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab.

Penulis : Jihas Gifari

Editor : Annissa Widya Davita

Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login