Skip to main content

Cara Kerja Pandas dalam Python

· 12 min read
Ucup TopekoX
Ucup TopekoX
TimposuLabs creator

Pandas adalah library Python yang digunakan untuk mengolah, menganalisis, membersihkan, dan memanipulasi data. Pandas sangat populer dalam Data Science, Machine Learning, analisis data, dan pengolahan dataset.

Dokumen ini menjelaskan cara kerja Pandas dari konsep dasar sampai alur pengolahan data yang umum digunakan.

1. Apa Itu Pandas?​

Pandas adalah library Python yang menyediakan struktur data dan fungsi untuk bekerja dengan data berbentuk tabel.

Jika data diibaratkan seperti tabel pada Microsoft Excel, maka Pandas menyediakan cara untuk melakukan operasi tersebut menggunakan kode Python.

Contoh data:

  Nama      Umur Kota
  ------- ------ ----------
  Andi        21 Palu
  Budi        22 Makassar
  Citra       20 Palu

Dengan Pandas, kita dapat:

  • membaca dataset
  • menampilkan data
  • memilih kolom dan baris
  • melakukan filtering
  • membersihkan data
  • menangani data kosong
  • mengubah tipe data
  • melakukan pengelompokan data
  • menghitung statistik
  • menggabungkan beberapa dataset
  • menyimpan hasil pengolahan data

2. Instalasi Pandas​

Pandas dapat diinstal menggunakan pip.

pip install pandas

Jika menggunakan Jupyter Notebook:

!pip install pandas

Setelah terinstal, Pandas dapat digunakan dengan:

import pandas as pd

pd merupakan alias yang umum digunakan untuk Pandas.

3. Konsep Utama Pandas​

Pandas memiliki dua struktur data utama:

  1. Series
  2. DataFrame

Keduanya menjadi dasar hampir semua operasi pengolahan data menggunakan Pandas.

4. Series​

Series adalah struktur data satu dimensi.

Contoh:

import pandas as pd

data = pd.Series([10, 20, 30, 40])

print(data)

Hasilnya kira-kira:

0    10
1    20
2    30
3    40
dtype: int64

Series terdiri dari:

  • index
  • value
  • data type

Index secara default dimulai dari 0.

Kita juga dapat membuat Series dengan index sendiri:

data = pd.Series(
    [90, 85, 88],
    index=["Andi", "Budi", "Citra"]
)

print(data)

5. DataFrame​

DataFrame adalah struktur data dua dimensi berbentuk tabel.

Contoh:

data = {
    "Nama": ["Andi", "Budi", "Citra"],
    "Umur": [21, 22, 20],
    "Kota": ["Palu", "Makassar", "Palu"]
}

df = pd.DataFrame(data)

print(df)

Hasil:

    Nama  Umur      Kota
0   Andi    21      Palu
1   Budi    22  Makassar
2  Citra    20      Palu

DataFrame memiliki:

  • baris
  • kolom
  • index
  • nilai
  • tipe data setiap kolom

6. Cara Kerja DataFrame​

Secara sederhana, DataFrame dapat dibayangkan sebagai tabel yang memiliki koordinat.

             Kolom
          Nama   Umur   Kota
Index 0   Andi    21    Palu
Index 1   Budi    22    Makassar
Index 2   Citra   20    Palu

Ketika DataFrame dibuat, Pandas menyimpan struktur data tersebut sehingga kita dapat mengakses bagian tertentu berdasarkan:

  • nama kolom
  • index
  • kondisi tertentu
  • posisi baris dan kolom
DataFrame
│
├── Index
│   ├── 0
│   ├── 1
│   └── 2
│
├── Column
│   ├── Nama
│   ├── Umur
│   └── IPK
│
└── Data
    ├── Andi
    ├── Budi
    └── Citra

Contohnya:

df["Nama"]

akan mengambil satu kolom.

Sedangkan:

df[["Nama", "Kota"]]

akan mengambil beberapa kolom.

7. Membuat DataFrame​

DataFrame dapat dibuat dari berbagai sumber.

Contoh dari dictionary:

df = pd.DataFrame({
    "Nama": ["Andi", "Budi", "Citra"],
    "Nilai": [80, 90, 85]
})

Contoh dari list:

df = pd.DataFrame([
    ["Andi", 80],
    ["Budi", 90],
    ["Citra", 85]
], columns=["Nama", "Nilai"])

8. Membaca Dataset​

Salah satu fungsi Pandas yang paling sering digunakan adalah fungsi untuk membaca file.

Membaca CSV​

df = pd.read_csv("data.csv")

Setelah file dibaca, data akan disimpan dalam DataFrame.

Alurnya:

File CSV
   ↓
pd.read_csv()
   ↓
DataFrame
   ↓
Analisis dan manipulasi

Membaca Excel​

df = pd.read_excel("data.xlsx")

Membaca JSON​

df = pd.read_json("data.json")

9. Melihat Data​

Setelah dataset dibaca, langkah pertama biasanya adalah memeriksa isinya.

Menampilkan lima baris pertama:

df.head()

Menampilkan sepuluh baris pertama:

df.head(10)

Menampilkan lima baris terakhir:

df.tail()

Melihat ukuran dataset:

df.shape

Contohnya:

(1000, 10)

Artinya terdapat:

  • 1000 baris
  • 10 kolom

10. Melihat Informasi Dataset​

Gunakan:

df.info()

Fungsi ini memberikan informasi seperti:

  • jumlah baris
  • nama kolom
  • jumlah data yang tidak kosong
  • tipe data
  • penggunaan memori

Contoh:

RangeIndex: 1000 entries
Data columns:
Nama       1000 non-null object
Umur       995 non-null int64
Nilai      1000 non-null float64

Informasi ini sangat penting pada tahap awal analisis data.

11. Melihat Statistik Dataset​

Gunakan:

df.describe()

Untuk kolom numerik, Pandas dapat menampilkan statistik seperti:

  • count
  • mean
  • standard deviation
  • minimum
  • quartile
  • maximum

Contoh:

print(df.describe())

12. Melihat Nama Kolom​

Gunakan:

df.columns

Contoh hasil:

Index(['Nama', 'Umur', 'Kota'], dtype='object')

Kita juga dapat mengubah nama kolom:

df.columns = ["nama", "umur", "kota"]

Atau menggunakan:

df = df.rename(columns={
    "Nama": "nama",
    "Umur": "umur"
})

13. Mengakses Kolom​

Untuk satu kolom:

df["Nama"]

Untuk beberapa kolom:

df[["Nama", "Umur"]]

Konsepnya:

DataFrame
   │
   ├── Nama
   ├── Umur
   └── Kota

Ketika kita memilih df["Nama"], Pandas mengambil kolom tersebut dan mengembalikannya sebagai Series.

14. Mengakses Baris dengan loc​

loc digunakan untuk mengakses data berdasarkan label index.

Contoh:

df.loc[0]

Mengambil beberapa baris:

df.loc[0:2]

Mengambil baris dan kolom tertentu:

df.loc[0:2, ["Nama", "Kota"]]

15. Mengakses Data dengan iloc​

iloc digunakan untuk mengakses data berdasarkan posisi numerik.

Contoh:

df.iloc[0]

Mengambil tiga baris pertama:

df.iloc[0:3]

Mengambil baris pertama dan kolom pertama:

df.iloc[0, 0]

Perbedaan sederhana:

loc  → berdasarkan label
iloc → berdasarkan posisi

16. Filtering Data​

Filtering digunakan untuk mengambil data berdasarkan kondisi.

Contoh:

df[df["Umur"] > 20]

Artinya:

Ambil baris yang memiliki umur lebih dari 20.

Contoh kondisi lain:

df[df["Kota"] == "Palu"]

Kondisi gabungan:

df[
    (df["Umur"] > 20) &
    (df["Kota"] == "Palu")
]

Operator yang umum digunakan:

Operator Fungsi

> lebih besar < lebih kecil >= lebih besar atau sama <= lebih kecil atau sama == sama dengan != tidak sama & AND | OR

17. Menambahkan Kolom​

Kita dapat membuat kolom baru.

df["Status"] = "Mahasiswa"

Kolom baru berdasarkan perhitungan:

df["Nilai_Akhir"] = df["Tugas"] + df["Ujian"]

Contoh:

df["Lulus"] = df["Nilai"] >= 60

Hasil kolom tersebut akan berisi nilai Boolean:

True
False
True

18. Mengubah Nilai Kolom​

Contoh:

df["Kota"] = df["Kota"].str.upper()

Semua nama kota akan diubah menjadi huruf besar.

Contoh:

Palu
Makassar
Palu

menjadi:

PALU
MAKASSAR
PALU

19. Menangani Missing Value​

Missing value adalah data yang kosong atau tidak tersedia.

Untuk melihat jumlah data kosong:

df.isnull().sum()

Contoh:

Nama     0
Umur     5
Nilai    2

Artinya terdapat:

  • 5 nilai kosong pada kolom Umur
  • 2 nilai kosong pada kolom Nilai

20. Menghapus Missing Value​

Untuk menghapus baris yang memiliki nilai kosong:

df = df.dropna()

Namun, menghapus data tidak selalu merupakan pilihan terbaik.

Tergantung konteks, data kosong dapat diisi menggunakan nilai tertentu.

21. Mengisi Missing Value​

Contoh mengisi nilai kosong dengan 0:

df["Nilai"] = df["Nilai"].fillna(0)

Mengisi dengan rata-rata:

df["Nilai"] = df["Nilai"].fillna(
    df["Nilai"].mean()
)

Pendekatan pengisian missing value harus disesuaikan dengan karakteristik dataset.

22. Menghapus Duplikasi​

Untuk memeriksa data duplikat:

df.duplicated()

Menghapus duplikasi:

df = df.drop_duplicates()

Ini sering dilakukan dalam proses data cleaning.

23. Mengurutkan Data​

Mengurutkan berdasarkan kolom:

df.sort_values("Nilai")

Dari terbesar ke terkecil:

df.sort_values(
    "Nilai",
    ascending=False
)

24. GroupBy​

groupby() digunakan untuk mengelompokkan data berdasarkan kategori tertentu.

Contoh:

df.groupby("Kota")["Nilai"].mean()

Artinya:

Kelompokkan data berdasarkan kota, kemudian hitung rata-rata nilai setiap kota.

Konsepnya:

Data
 ↓
GroupBy Kota
 ↓
Palu
Makassar
 ↓
Hitung rata-rata

25. Agregasi​

Pandas menyediakan fungsi agregasi seperti:

df["Nilai"].mean()
df["Nilai"].sum()
df["Nilai"].min()
df["Nilai"].max()
df["Nilai"].count()

Beberapa fungsi penting:

Fungsi Kegunaan

mean() rata-rata sum() jumlah min() nilai minimum max() nilai maksimum count() jumlah data median() nilai tengah std() standar deviasi

26. Menggabungkan Dataset​

Dalam proyek nyata, data sering berasal dari beberapa file.

Pandas menyediakan beberapa cara untuk menggabungkannya.

Concatenate​

df = pd.concat([df1, df2])

Digunakan untuk menggabungkan data secara vertikal atau horizontal.

Merge​

df = pd.merge(
    df1,
    df2,
    on="id"
)

merge() mirip dengan operasi JOIN pada database.

Jenis merge yang umum:

  • inner
  • left
  • right
  • outer

Contoh:

pd.merge(
    df1,
    df2,
    on="id",
    how="left"
)

27. Mengubah Tipe Data​

Untuk melihat tipe data:

df.dtypes

Mengubah tipe data:

df["Umur"] = df["Umur"].astype(int)

Mengubah menjadi string:

df["ID"] = df["ID"].astype(str)

Tipe data penting karena operasi yang dilakukan Pandas bergantung pada tipe data tersebut.

28. Operasi String​

Pandas menyediakan fungsi string melalui .str.

Contoh:

df["Nama"].str.upper()

Mengubah menjadi huruf kecil:

df["Nama"].str.lower()

Menghapus spasi:

df["Nama"].str.strip()

Mencari teks:

df["Nama"].str.contains("Andi")

29. Operasi Matematika​

Kolom numerik dapat digunakan langsung dalam operasi matematika.

Contoh:

df["Total"] = df["Harga"] * df["Jumlah"]

Atau:

df["Diskon"] = df["Harga"] * 0.10

Pandas memungkinkan operasi dilakukan pada satu kolom sekaligus tanpa harus menulis perulangan for untuk setiap baris.

30. Konsep Vectorization​

Salah satu konsep penting dalam Pandas adalah vectorization.

Contoh:

df["Total"] = df["Harga"] * df["Jumlah"]

Operasi tersebut diterapkan pada seluruh nilai dalam kolom.

Secara konseptual:

Harga      Jumlah
10000   ×     2
20000   ×     3
15000   ×     4

        ↓

Total
20000
60000
60000

Pendekatan seperti ini biasanya lebih sederhana dan efisien daripada melakukan operasi baris demi baris menggunakan loop Python.

31. Apply​

apply() dapat digunakan untuk menjalankan fungsi pada data.

Contoh:

def kategori(nilai):
    if nilai >= 80:
        return "A"
    elif nilai >= 70:
        return "B"
    else:
        return "C"

df["Grade"] = df["Nilai"].apply(kategori)

apply() berguna ketika transformasi yang dibutuhkan tidak dapat dilakukan dengan operasi Pandas sederhana.

32. Pivot Table​

Pandas juga menyediakan pivot_table() untuk membuat ringkasan data.

Contoh:

pd.pivot_table(
    df,
    values="Nilai",
    index="Kota",
    aggfunc="mean"
)

Hasilnya dapat digunakan untuk melihat rata-rata nilai berdasarkan kota.

33. Export Data​

Setelah data selesai diproses, hasilnya dapat disimpan kembali.

Menyimpan ke CSV​

df.to_csv("hasil.csv", index=False)

Menyimpan ke Excel​

df.to_excel("hasil.xlsx", index=False)

Menyimpan ke JSON​

df.to_json("hasil.json")

34. Alur Kerja Pandas​

Dalam proyek Data Science, alur penggunaan Pandas biasanya seperti berikut:

Dataset
   ↓
Membaca Data
   ↓
Mengecek Data
   ↓
Memahami Struktur
   ↓
Membersihkan Data
   ↓
Transformasi Data
   ↓
Filtering
   ↓
Grouping / Aggregation
   ↓
Analisis
   ↓
Visualisasi
   ↓
Dataset Siap Digunakan
   ↓
Machine Learning / Reporting

35. Pandas dalam Machine Learning​

Pandas sering digunakan pada tahap preprocessing sebelum data dimasukkan ke model Machine Learning.

Contoh alur:

Dataset CSV
     ↓
Pandas
     ↓
Data Cleaning
     ↓
Missing Value
     ↓
Duplicate Data
     ↓
Transformasi
     ↓
Feature Selection
     ↓
Dataset Bersih
     ↓
NumPy / Scikit-learn
     ↓
Machine Learning Model

Contoh:

import pandas as pd

df = pd.read_csv("dataset.csv")

df = df.drop_duplicates()

df["umur"] = df["umur"].fillna(
    df["umur"].mean()
)

df = df.dropna()

X = df[["umur", "pendapatan"]]
y = df["status"]

Pada contoh tersebut, Pandas bertugas mempersiapkan data sebelum digunakan oleh algoritma Machine Learning.

36. Pandas Bukan Database​

Pandas bukan database.

Pandas adalah library untuk manipulasi dan analisis data di dalam program Python.

Perbandingan sederhana:

  Teknologi      Fungsi utama
  -------------- ------------------------------
  Pandas         manipulasi dan analisis data
  NumPy          komputasi numerik
  SQL            query database
  MySQL          sistem database
  PostgreSQL     sistem database
  Scikit-learn   Machine Learning
  Matplotlib     visualisasi
  Seaborn        visualisasi statistik

  ---------------------------------------------

   Database
   │
   ├── Menyimpan data secara persisten
   ├── Query data
   ├── Transaction
   └── Multi-user access

   Pandas
   │
   ├── Membaca data
   ├── Membersihkan data
   ├── Memanipulasi data
   ├── Menganalisis data
   └── Menyiapkan data untuk proses berikutnya

Pandas dapat bekerja bersama database.

Contoh membaca hasil query SQL:

df = pd.read_sql(
    "SELECT * FROM mahasiswa",
    connection
)

37. Cara Pandas Bekerja Secara Konseptual​

Ketika kode berikut dijalankan:

df = pd.read_csv("data.csv")

proses sederhananya dapat dipahami sebagai:

File CSV
   ↓
Pandas membaca file
   ↓
Data diparsing
   ↓
Kolom dan baris dibentuk
   ↓
Tipe data ditentukan
   ↓
DataFrame dibuat
   ↓
DataFrame disimpan dalam variabel df

Ketika dilakukan:

df[df["Umur"] > 20]

Pandas secara konseptual:

DataFrame
   ↓
Ambil kolom Umur
   ↓
Bandingkan setiap nilai dengan 20
   ↓
Buat kondisi True / False
   ↓
Pilih baris yang True
   ↓
Hasil DataFrame baru

38. Contoh Proyek Sederhana​

Misalkan terdapat dataset mahasiswa:

import pandas as pd

df = pd.DataFrame({
    "Nama": ["Andi", "Budi", "Citra", "Dedi"],
    "Umur": [21, 22, 20, 23],
    "Nilai": [85, 70, 90, 60],
    "Kota": ["Palu", "Palu", "Makassar", "Palu"]
})

Melihat data:

print(df)

Mengambil mahasiswa dengan nilai minimal 70:

lulus = df[df["Nilai"] >= 70]

print(lulus)

Menghitung rata-rata nilai:

rata_rata = df["Nilai"].mean()

print(rata_rata)

Mengelompokkan berdasarkan kota:

hasil = df.groupby("Kota")["Nilai"].mean()

print(hasil)

Menyimpan hasil:

hasil.to_csv("rata_rata_kota.csv")

39. Pola Belajar Pandas​

Untuk mempelajari Pandas secara bertahap, gunakan urutan berikut:

1. Python dasar
      ↓
2. List, Dictionary, Tuple
      ↓
3. NumPy dasar
      ↓
4. Series
      ↓
5. DataFrame
      ↓
6. Membaca CSV / Excel
      ↓
7. Seleksi data
      ↓
8. Filtering
      ↓
9. Missing Value
      ↓
10. Data Cleaning
      ↓
11. GroupBy
      ↓
12. Aggregation
      ↓
13. Merge / Concat
      ↓
14. Transformasi Data
      ↓
15. Export Data
      ↓
16. Pandas untuk Machine Learning

40. Fungsi Pandas yang Wajib Dikuasai​

Berikut fungsi yang sebaiknya dikuasai terlebih dahulu:

pd.read_csv()
pd.read_excel()
pd.DataFrame()
pd.Series()

df.head()
df.tail()
df.info()
df.describe()
df.shape
df.columns
df.dtypes

df["kolom"]
df[["kolom1", "kolom2"]]

df.loc[]
df.iloc[]

df.isnull()
df.dropna()
df.fillna()

df.drop_duplicates()
df.sort_values()

df.groupby()
df.mean()
df.sum()
df.min()
df.max()
df.count()

pd.concat()
pd.merge()

df.astype()
df.apply()

df.to_csv()
df.to_excel()
df.to_json()

41. Cara Berpikir Saat Menggunakan Pandas​

Daripada menghafalkan ratusan fungsi, pahami pola berikut:

1. LOAD
   ↓
2. INSPECT
   ↓
3. CLEAN
   ↓
4. SELECT
   ↓
5. FILTER
   ↓
6. TRANSFORM
   ↓
7. GROUP
   ↓
8. ANALYZE
   ↓
9. EXPORT

Contoh kode sederhananya:

import pandas as pd

# 1. Load
df = pd.read_csv("data.csv")

# 2. Inspect
print(df.head())
print(df.info())

# 3. Clean
df = df.dropna()

# 4. Select
df = df[["Nama", "Umur", "IPK"]]

# 5. Filter
df = df[df["IPK"] >= 3.0]

# 6. Sort
df = df.sort_values("IPK", ascending=False)

# 7. Analyze
print(df["IPK"].mean())

# 8. Export
df.to_csv("hasil.csv", index=False)

Inti cara kerja Pandas:

data masuk → menjadi DataFrame/Series → kita memilih, memfilter, membersihkan, mengubah, mengelompokkan, dan menganalisis data → menghasilkan dataset yang siap digunakan.

Kalau tujuan Anda adalah belajar Pandas untuk Machine Learning, urutan belajarnya paling bagus adalah:

DataFrame → Series → indexing → filtering → cleaning → sorting → groupby → merge → apply/map → EDA → feature engineering → integrasi dengan NumPy & Scikit-learn.

42. Kesimpulan​

Pandas bekerja sebagai lapisan pengolahan data di dalam Python.

Konsep paling penting yang perlu dipahami adalah:

Data
 ↓
DataFrame / Series
 ↓
Seleksi
 ↓
Filtering
 ↓
Cleaning
 ↓
Transformation
 ↓
Aggregation
 ↓
Analysis
 ↓
Export / Machine Learning

Jika disederhanakan, Pandas memungkinkan kita mengubah data mentah menjadi data yang terstruktur dan siap dianalisis.

Contoh paling dasar:

import pandas as pd

df = pd.read_csv("dataset.csv")

print(df.head())

df = df.drop_duplicates()

df = df.dropna()

df["total"] = df["harga"] * df["jumlah"]

hasil = df.groupby("kategori")["total"].sum()

print(hasil)

hasil.to_csv("hasil.csv")

Kode tersebut sudah menggambarkan pola kerja Pandas yang sangat umum:

Read
 ↓
Inspect
 ↓
Clean
 ↓
Transform
 ↓
Group
 ↓
Analyze
 ↓
Export

Pola ini menjadi dasar yang sangat penting sebelum mempelajari tahap Data Science dan Machine Learning yang lebih lanjut.