Visualisasi Data dari Pandas - 1

Dalam workflow Data Science, Pandas banyak digunakan untuk membaca, membersihkan, mengolah, dan menganalisis data dalam bentuk DataFrame.

Setelah data berada di dalam DataFrame, kita sering membutuhkan visualisasi untuk memahami pola, tren, distribusi, dan hubungan antar-data.

Pandas menyediakan integrasi langsung dengan Matplotlib, sehingga kita dapat membuat visualisasi hanya dengan menggunakan method:

.plot()

Artinya, kita tidak selalu harus menulis kode Matplotlib secara langsung. Kita dapat membuat grafik langsung dari objek Series maupun DataFrame Pandas.

Konsep Utama

Pandas dibangun di atas NumPy dan memiliki integrasi yang baik dengan Matplotlib.

Secara sederhana, hubungan ketiganya dapat digambarkan sebagai berikut:

NumPy
  │
  │ Numerical computation
  ▼
Pandas
  │
  │ DataFrame / Series
  ▼
Matplotlib
  │
  │ Visualization
  ▼
Graph / Chart

Dalam workflow Data Science, alurnya sering menjadi:

Dataset
   ↓
Pandas DataFrame
   ↓
Data Cleaning
   ↓
Data Analysis
   ↓
Pandas .plot()
   ↓
Matplotlib
   ↓
Visualization

Import Library

Untuk menggunakan Pandas dan Matplotlib, kita dapat melakukan import:

import matplotlib.pyplot as plt
import pandas as pd

Untuk eksperimen menggunakan data acak, kita juga membutuhkan NumPy:

import numpy as np

Sehingga kode lengkap import menjadi:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

Membaca Dataset dengan Pandas

Salah satu workflow yang umum adalah membaca dataset CSV menggunakan:

pd.read_csv()

Contohnya:

car_sales = pd.read_csv("car-sales.csv")

Kemudian kita dapat melihat DataFrame:

car_sales

Atau menggunakan:

car_sales.head()

untuk melihat beberapa baris pertama.

info

Download dataset car-sales.csv.

Membuat Visualisasi dari DataFrame

Setelah memiliki DataFrame, kita dapat menggunakan method:

.plot()

Contoh:

car_sales.plot()

Pandas akan menggunakan Matplotlib sebagai backend visualisasi untuk membuat grafik.

Kita juga dapat menggunakan:

plt.show()

untuk menampilkan grafik secara eksplisit:

car_sales.plot()

plt.show()

Membuat Visualisasi dari Series

Selain DataFrame, method .plot() juga dapat digunakan pada Pandas Series.

Contohnya:

prices = pd.Series([10, 20, 15, 25, 30])

prices.plot()

plt.show()

Dalam contoh tersebut, Pandas membuat line plot berdasarkan nilai yang terdapat pada Series.

Membuat Time Series Sederhana

Untuk memahami bagaimana Pandas digunakan bersama Matplotlib, kita dapat membuat contoh time series.

Time series adalah data yang memiliki hubungan dengan waktu.

Contoh sederhananya:

Tanggal        Nilai
2021-01-01       5
2021-01-02       8
2021-01-03       6
2021-01-04      10
2021-01-05      12

Pandas menyediakan fungsi:

pd.date_range()

untuk membuat deret tanggal secara otomatis.

Membuat Rentang Tanggal dengan `pd.date_range()`

Contoh:

dates = pd.date_range(
    "2021-01-01",
    periods=1000
)

Parameter yang digunakan:

Parameter	Keterangan
`"2021-01-01"`	Tanggal awal
`periods=1000`	Jumlah periode yang dibuat

Kita dapat melihat beberapa nilai pertama:

print(dates[:5])

Contoh hasil:

DatetimeIndex([
    '2021-01-01',
    '2021-01-02',
    '2021-01-03',
    '2021-01-04',
    '2021-01-05'
], dtype='datetime64[ns]', freq='D')

Secara default, pd.date_range() menggunakan interval harian ketika frekuensi tidak ditentukan.

Membuat Series dengan Index Tanggal

Selanjutnya kita dapat membuat Series menggunakan angka acak:

ts = pd.Series(
    np.random.randn(1000),
    index=dates
)

Pada kode tersebut:

np.random.randn(1000)

menghasilkan 1000 angka acak.

Sedangkan:

index=dates

menjadikan tanggal sebagai index Series.

Struktur datanya menjadi seperti:

Tanggal       Nilai
2021-01-01     0.52
2021-01-02    -0.31
2021-01-03     1.24
2021-01-04    -0.15
...

Memahami `np.random.randn()`

Fungsi:

np.random.randn()

digunakan untuk menghasilkan angka acak dari distribusi normal standar.

Contoh:

np.random.randn(5)

Dapat menghasilkan nilai seperti:

[ 0.32 -1.12  0.45  0.87 -0.24]

Nilai yang dihasilkan akan berbeda ketika kode dijalankan kembali jika random seed tidak ditentukan.

Menggunakan `cumsum()`

Data acak sebelumnya dapat terlihat cukup tidak beraturan.

Untuk menghasilkan pola yang lebih menyerupai pergerakan data dari waktu ke waktu, kita dapat menggunakan:

.cumsum()

cumsum() merupakan singkatan dari cumulative sum atau jumlah kumulatif.

Contoh:

data = pd.Series([1, 2, 3, 4])

data.cumsum()

Hasil:

Perhitungannya:

1
+ 2 = 3
+ 2 + 3 = 6
+ 2 + 3 + 4 = 10

Menerapkan `cumsum()` pada Time Series

Kita dapat menerapkan cumulative sum pada Series:

ts = ts.cumsum()

Sekarang nilai pada ts merupakan nilai kumulatif.

Kita dapat melihat beberapa data:

ts.head()

Contoh:

2021-01-01    0.52
2021-01-02    0.21
2021-01-03    1.45
2021-01-04    1.30
2021-01-05    2.10
dtype: float64

Nilai tersebut akan bergantung pada angka acak yang dihasilkan saat kode dijalankan.

Membuat Line Plot dengan `.plot()`

Sekarang kita dapat langsung membuat visualisasi:

ts.plot()

Pandas akan membuat line plot berdasarkan:

index sebagai sumbu X;
nilai Series sebagai sumbu Y.

Karena index kita berupa tanggal, sumbu X akan merepresentasikan waktu.

Kita dapat menampilkan grafik:

ts.plot()

plt.show()

Visualisasi Time Series

Secara konsep, grafik yang dihasilkan menggambarkan perubahan nilai terhadap waktu.

Nilai
  │
  │              ╭───╮
  │         ╭────╯   ╰──╮
  │    ╭────╯             ╰──╮
  │────╯                       ╰──
  │
  └──────────────────────────────── Waktu

Grafik seperti ini berguna untuk melihat:

tren;
kenaikan dan penurunan;
perubahan nilai;
pola temporal;
kemungkinan anomali.

Contoh Lengkap

Berikut implementasi lengkap dari contoh time series:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# Membuat rentang tanggal
dates = pd.date_range(
    "2021-01-01",
    periods=1000
)

# Membuat Series dengan data acak
ts = pd.Series(
    np.random.randn(1000),
    index=dates
)

# Menghitung cumulative sum
ts = ts.cumsum()

# Membuat visualisasi
ts.plot()

# Menampilkan grafik
plt.show()

matplotlib

Kode tersebut melakukan beberapa tahap:

Membuat tanggal
      ↓
Membuat data acak
      ↓
Membuat Pandas Series
      ↓
Menggunakan cumsum()
      ↓
Menggunakan .plot()
      ↓
Menampilkan grafik

Menambahkan Judul dan Label

Walaupun Pandas dapat membuat grafik secara langsung, kita tetap dapat menggunakan API Matplotlib untuk melakukan customization.

Contohnya:

ts.plot()

plt.title("Time Series Data")
plt.xlabel("Date")
plt.ylabel("Value")

plt.show()

Kita juga dapat menggunakan object-oriented API:

fig, ax = plt.subplots(figsize=(10, 5))

ts.plot(ax=ax)

ax.set_title("Time Series Data")
ax.set_xlabel("Date")
ax.set_ylabel("Value")

plt.show()

Pendekatan kedua lebih fleksibel ketika kita bekerja dengan banyak subplot.

Menggunakan `.plot()` pada Kolom DataFrame

Misalnya kita memiliki DataFrame:

car_sales = pd.read_csv("car-sales.csv")

Kita dapat memilih satu kolom:

car_sales["Price"]

Kemudian membuat visualisasi:

car_sales["Price"].plot()

Karena car_sales["Price"] merupakan Pandas Series, method .plot() dapat langsung digunakan.

Memilih Jenis Grafik

Pandas menyediakan parameter kind untuk menentukan jenis visualisasi.

Contoh line plot:

car_sales["Price"].plot(kind="line")

Bar plot:

car_sales["Price"].plot(kind="bar")

Histogram:

car_sales["Price"].plot(kind="hist")

Scatter plot:

car_sales.plot(
    x="Odometer (KM)",
    y="Price",
    kind="scatter"
)

Jenis grafik yang dipilih harus disesuaikan dengan karakteristik data dan tujuan analisis.

Beberapa Jenis Plot yang Umum

`kind`	Jenis Visualisasi	Kegunaan Umum
`"line"`	Line plot	Melihat tren
`"bar"`	Bar plot	Membandingkan kategori
`"barh"`	Horizontal bar	Membandingkan kategori
`"hist"`	Histogram	Melihat distribusi
`"scatter"`	Scatter plot	Melihat hubungan dua variabel
`"box"`	Box plot	Melihat distribusi dan outlier
`"area"`	Area plot	Melihat perubahan kumulatif/komposisi

Contoh:

car_sales.plot(
    x="Odometer (KM)",
    y="Price",
    kind="scatter"
)

plt.show()

Pandas `.plot()` dan Matplotlib

Penting untuk memahami bahwa:

ts.plot()

bukan berarti Pandas menggantikan Matplotlib.

Pandas menyediakan interface yang lebih sederhana untuk membuat visualisasi, sedangkan Matplotlib tetap digunakan sebagai library plotting di belakangnya.

Secara sederhana:

Pandas
   │
   │ .plot()
   ▼
Matplotlib
   │
   ▼
Visualization

Karena itu, memahami Matplotlib tetap penting meskipun kita sering menggunakan Pandas .plot().

Kapan Menggunakan Pandas `.plot()`?

Pandas .plot() sangat nyaman digunakan ketika:

data sudah berada dalam DataFrame;
ingin membuat visualisasi dengan cepat;
melakukan Exploratory Data Analysis;
ingin melihat tren sebuah kolom;
ingin membandingkan beberapa kolom;
membutuhkan visualisasi sederhana.

Contohnya:

car_sales["Price"].plot()

lebih praktis dibandingkan harus mengambil nilai kolom secara manual dan kemudian memberikan data tersebut ke Matplotlib.

Pandas `.plot()` untuk Exploratory Data Analysis

Dalam Exploratory Data Analysis atau EDA, kita sering menggunakan visualisasi untuk memahami dataset sebelum membangun model Machine Learning.

Contoh workflow:

Load Dataset
     ↓
Inspect Data
     ↓
Clean Data
     ↓
Analyze Data
     ↓
Visualize Data
     ↓
Find Patterns
     ↓
Feature Engineering
     ↓
Machine Learning

Pandas .plot() dapat digunakan pada tahap Visualize Data.

Contohnya:

car_sales["Price"].plot(kind="hist")
plt.show()

Kita dapat melihat bagaimana harga kendaraan tersebar.

Perbedaan Pandas `.plot()` dan Matplotlib

Keduanya dapat digunakan untuk membuat visualisasi, tetapi pendekatannya berbeda.

Pandas `.plot()`

Lebih sederhana ketika data sudah berada dalam DataFrame atau Series.

Contoh:

car_sales["Price"].plot()

Matplotlib

Memberikan kontrol yang lebih detail terhadap Figure dan Axes.

Contoh:

fig, ax = plt.subplots()

ax.plot(
    car_sales["Price"]
)

plt.show()

Dalam praktik Data Science, keduanya sering digunakan bersama.

Contoh Workflow Praktis

Misalnya kita ingin melihat hubungan antara jarak tempuh kendaraan dan harga.

Kita dapat menggunakan:

car_sales.plot(
    x="Odometer (KM)",
    y="Price",
    kind="scatter"
)

plt.show()

Workflow-nya:

car-sales.csv
      ↓
pd.read_csv()
      ↓
car_sales DataFrame
      ↓
Pilih kolom
      ↓
   .plot()
      ↓
Scatter Plot
      ↓
Analisis hubungan Odometer dan Price

Visualisasi tersebut dapat membantu kita mengeksplorasi apakah terdapat pola hubungan antara jarak tempuh dan harga kendaraan.

Namun, visualisasi saja tidak cukup untuk menyimpulkan hubungan sebab-akibat.

Konsep Penting yang Perlu Diingat

`pd.date_range()`

Digunakan untuk membuat rangkaian tanggal.

dates = pd.date_range(
    "2021-01-01",
    periods=1000
)

`np.random.randn()`

Digunakan untuk menghasilkan angka acak dari distribusi normal standar.

np.random.randn(1000)

`pd.Series()`

Digunakan untuk membuat objek Series Pandas.

ts = pd.Series(
    data,
    index=dates
)

`.cumsum()`

Menghasilkan jumlah kumulatif.

ts = ts.cumsum()

`.plot()`

Membuat visualisasi dari Series atau DataFrame.

ts.plot()

`plt.show()`

Menampilkan Figure.

plt.show()

Ringkasan

Pada materi ini kita mempelajari bagaimana Pandas dapat digunakan untuk membuat visualisasi secara langsung.

Konsep utama yang dipelajari:

Pandas terintegrasi dengan Matplotlib.
Series dan DataFrame memiliki method .plot().
pd.date_range() dapat digunakan untuk membuat index berupa tanggal.
np.random.randn() dapat digunakan untuk membuat data acak.
.cumsum() menghasilkan nilai kumulatif.
.plot() dapat digunakan untuk membuat visualisasi secara praktis.
Parameter kind dapat digunakan untuk memilih jenis grafik.
Pandas .plot() sangat berguna untuk Exploratory Data Analysis.
Matplotlib tetap penting untuk customization dan kontrol visualisasi yang lebih detail.

Contoh Singkat yang Perlu Diingat

Workflow sederhana:

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

dates = pd.date_range(
    "2021-01-01",
    periods=1000
)

ts = pd.Series(
    np.random.randn(1000),
    index=dates
)

ts = ts.cumsum()

ts.plot()

plt.show()

Pola dasarnya adalah:

Data
 ↓
Pandas Series / DataFrame
 ↓
.plot()
 ↓
Matplotlib
 ↓
Visualization

Konsep Utama​

Import Library​

Membaca Dataset dengan Pandas​

Membuat Visualisasi dari DataFrame​

Membuat Visualisasi dari Series​

Membuat Time Series Sederhana​

Membuat Rentang Tanggal dengan pd.date_range()​

Membuat Series dengan Index Tanggal​

Memahami np.random.randn()​

Menggunakan cumsum()​

Menerapkan cumsum() pada Time Series​

Membuat Line Plot dengan .plot()​

Visualisasi Time Series​

Contoh Lengkap​

Menambahkan Judul dan Label​

Menggunakan .plot() pada Kolom DataFrame​

Memilih Jenis Grafik​

Beberapa Jenis Plot yang Umum​

Pandas .plot() dan Matplotlib​

Kapan Menggunakan Pandas .plot()?​

Pandas .plot() untuk Exploratory Data Analysis​

Perbedaan Pandas .plot() dan Matplotlib​

Pandas .plot()​

Matplotlib​

Contoh Workflow Praktis​

Konsep Penting yang Perlu Diingat​

pd.date_range()​

np.random.randn()​

pd.Series()​

.cumsum()​

.plot()​

plt.show()​

Ringkasan​

Contoh Singkat yang Perlu Diingat​

Konsep Utama

Import Library

Membaca Dataset dengan Pandas

Membuat Visualisasi dari DataFrame

Membuat Visualisasi dari Series

Membuat Time Series Sederhana

Membuat Rentang Tanggal dengan `pd.date_range()`

Membuat Series dengan Index Tanggal

Memahami `np.random.randn()`

Menggunakan `cumsum()`

Menerapkan `cumsum()` pada Time Series

Membuat Line Plot dengan `.plot()`

Visualisasi Time Series

Contoh Lengkap

Menambahkan Judul dan Label

Menggunakan `.plot()` pada Kolom DataFrame

Memilih Jenis Grafik

Beberapa Jenis Plot yang Umum

Pandas `.plot()` dan Matplotlib

Kapan Menggunakan Pandas `.plot()`?

Pandas `.plot()` untuk Exploratory Data Analysis

Perbedaan Pandas `.plot()` dan Matplotlib

Pandas `.plot()`

Matplotlib

Contoh Workflow Praktis

Konsep Penting yang Perlu Diingat

`pd.date_range()`

`np.random.randn()`

`pd.Series()`

`.cumsum()`

`.plot()`

`plt.show()`

Ringkasan

Contoh Singkat yang Perlu Diingat