Dasar-dasar pengolahan dan
analisis data dengan Pandas
Esa A. Asyahid
Laboratorium Ilmu Ekonomi FEB UGM
Referensi
• McKinney, W., 2012. Python for data analysis: Data wrangling
with Pandas, NumPy, and IPython. " O'Reilly Media, Inc.".
Materi sebelumnya
• Dictionaries
• Module
• Manipulasi spreadsheet Excel
Outline
• Modul pandas untuk pengolahan dan analisis data
• Struktur data: Series dan DataFrame
• Import dan export data
• Statistik deskriptif
• Visualisasi data dasar
Module pandas
• Module pandas (singkatan dari Python Data Analysis Library) adalah
modul yang berisi tools untuk membangun struktur data serta
melakukan olah dan analysis data.
• pandas merupakan salah satu modul utama Python untuk analisis
data, dan umumnya digunakan bersamaan dengan numpy dan
scipy (analisis numerik), statsmodels dan scikit-learn (modeling),
matplotlib (visualisasi).
• pandas umumnya disingkat pd
• import pandas as pd
Struktur data: Series dan DataFrame
• Series: satu kolom
• DataFrame: data tabular (baris dan kolom)
• Keduanya memiliki index
Praktik: Series
• Gunakan [Link]
Praktik: DataFrame
• Gunakan [Link]
Bitwise operators
• Operator (logika) bitwise adalah operator logika yang bekerja di
level bits (binary numbers). Serupa dengan operator logika yang
bekerja di level Boolean values.
Impor data dari format lain
• Pandas menyediakan berbagai functions untuk mengimpor dataset
dari berbagai format:
Ekspor data ke format lain
• Ekspor DataFrame ke format CSV dilakukan dengan method to_csv
• Ekspor DataFrame ke format Excel dilakukan dengan method
to_excel
Praktik: Impor dan ekspor data
• CSV: Gunakan [Link]
• Excel: Gunakan [Link]
Statistik Deskriptif
• Statistik deskriptif dapat dihasilkan menggunakan methods terhadap
DataFrame atau Series
Statistik Deskriptif
Korelasi
• Statistik deskriptif dapat dihasilkan menggunakan method corr()
terhadap DataFrame
Praktik: Statistik Deskriptif dan Korelasi
• Gunakan [Link]
Visualisasi Data
• Module dasar Python untuk visualisasi data adalah matplotlib.
• Pandas memiliki kemampuan integrasi dengan matplotlib, sehingga
kita bisa secara langsung melakukan visualisasi data dari Series atau
DataFrame.
• Pastikan matplotlib telah terinstall dan diimport.
Visualisasi Data
• Jenis-jenis plot dasar:
• ‘line’ : line plot (default)
• ‘bar’ : vertical bar plot
• ‘barh’ : horizontal bar plot
• ‘hist’ : histogram
• ‘box’ : boxplot
• ‘kde’ : Kernel Density Estimation plot
• ‘density’ : same as ‘kde’
• ‘area’ : area plot
• ‘pie’ : pie plot
• ‘scatter’ : scatter plot
• ‘hexbin’ : hexbin plot
Praktik: Visualisasi Data
• Gunakan [Link]
Tugas
Gunakan dataset [Link]. Dataset ini berisi catatan tip yang diberikan oleh pelanggan
suatu restoran beserta informasi lainnya. Buatlah script Python yang melakukan hal
berikut:
1. Import dataset tersebut menjadi DataFrame
2. Buatlah variable baru tip_perbill berupa rasio tip terhadap total_bill
3. Carilah nilai rata-rata, median, dan deviasi standar dari tip, total_bill, dan tip_perbill
4. Carilah rata-rata nilai tip dan tip_perbill untuk waktu dinner vs lunch dan smoker vs non-
smoker. Manakah tip dan tip_perbill yang lebih tinggi dari kelompok-kelompok tersebut?
5. Carilah nilai korelasi total_bill dengan tip dan total_bill dengan size ( jumlah orang dalam
satu rombongan).
6. Buat scatterplot untuk kedua korelasi di atas.
7. Buatlah DataFrame baru berisi masing-masing subset dari dataset utama untuk day yang
berbeda-beda. Ekspor masing-masing dataset ini dalam format Excel ([Link], [Link],
[Link], dan [Link])
Tugas
• Kirim script Python ke [Link]@[Link] dengan subjek Tugas
Python 4_Nama lengkap_NIM maksimal Senin 6 Juni 2022 pukul
23.59.