Series, DataFrame & Import

Pada materi sebelumnya, kita sudah mengenal Pandas dan memahami perannya dalam Data Science dan Machine Learning.

Sekarang kita mulai menggunakan Pandas secara langsung.

Pada tahap awal, ada beberapa konsep penting yang perlu dipahami:

Cara mengimpor Pandas
Apa itu Series
Apa itu DataFrame
Cara membaca data dari file CSV
Memahami struktur DataFrame
Cara menyimpan DataFrame ke file CSV

Jangan terlalu fokus menghafalkan kode terlebih dahulu.

Yang lebih penting adalah memahami bagaimana Pandas merepresentasikan data.

Mengimpor Pandas

Sebelum menggunakan Pandas, kita perlu mengimpor library tersebut ke dalam program Python.

Cara yang paling umum digunakan adalah:

import pandas as pd

Di sini:

pandas

adalah nama library yang kita impor.

Sedangkan:

pd

adalah alias atau nama singkat yang digunakan untuk mengakses Pandas.

Dengan menggunakan alias pd, kita tidak perlu menulis pandas setiap kali menggunakan fungsi Pandas.

Contohnya:

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

Daripada:

pandas.Series(...)
pandas.DataFrame(...)
pandas.read_csv(...)

Penggunaan pd sudah menjadi konvensi yang sangat umum dalam Python Data Science.

Apa Itu Series?

Series adalah struktur data Pandas yang berbentuk satu dimensi.

Cara sederhana untuk membayangkannya adalah sebagai satu kolom data.

Misalnya kita memiliki daftar merek mobil:

BMW
Toyota
Honda

Data tersebut dapat direpresentasikan sebagai sebuah Series:

import pandas as pd

car_brands = pd.Series(["BMW", "Toyota", "Honda"])

print(car_brands)

Hasilnya kurang lebih:

     BMW
  Toyota
   Honda
dtype: object

Perhatikan angka di sebelah kiri:

0
1
2

Angka tersebut merupakan index.

Sedangkan data di sebelah kanan adalah nilai dari Series.

Memahami Series dengan Analogi

Bayangkan sebuah tabel yang hanya memiliki satu kolom:

Index	Brand
0	BMW
1	Toyota
2	Honda

Struktur seperti ini dapat dianggap sebagai sebuah Series.

Jadi secara sederhana:

Series
  │
  ├── Index
  │
  └── Values

Series cocok untuk merepresentasikan satu kumpulan data atau satu kolom.

Membuat Series dari List Python

Salah satu cara sederhana untuk membuat Series adalah menggunakan list Python.

Contohnya:

car_brands = pd.Series(["BMW", "Toyota", "Honda"])

List Python:

["BMW", "Toyota", "Honda"]

diubah menjadi Series menggunakan:

pd.Series(...)

Ini merupakan salah satu cara paling sederhana untuk memahami hubungan antara Python dan Pandas.

Apa Itu DataFrame?

Jika Series dapat dibayangkan sebagai satu kolom, maka DataFrame dapat dibayangkan sebagai sebuah tabel yang memiliki baris dan kolom.

Contohnya:

Brand	Colour	Price
BMW	Black	50000
Toyota	White	30000
Honda	Red	25000

Tabel tersebut merupakan contoh struktur DataFrame.

Secara sederhana:

DataFrame
│
├── Rows
│
├── Columns
│
└── Values

DataFrame adalah struktur data utama yang akan sangat sering kita gunakan ketika bekerja dengan Pandas.

Series vs DataFrame

Perbedaan paling sederhana:

Struktur	Dimensi	Gambaran
Series	1 dimensi	Satu kolom
DataFrame	2 dimensi	Tabel dengan baris dan kolom

Contoh Series:

BMW
Toyota
Honda

Contoh DataFrame:

Brand     Colour    Price
BMW       Black     50000
Toyota    White     30000
Honda     Red       25000

Dengan memahami perbedaan ini, kita sudah memiliki fondasi penting untuk mempelajari Pandas.

Membuat DataFrame

DataFrame dapat dibuat dari berbagai sumber.

Salah satu cara sederhana adalah menggunakan dictionary Python.

Misalnya:

car_brands = ["BMW", "Toyota", "Honda"]
colours = ["Black", "White", "Red"]
prices = [50000, 30000, 25000]

Kita dapat menggabungkannya menjadi DataFrame:

car_sales = pd.DataFrame({
    "Brand": car_brands,
    "Colour": colours,
    "Price": prices
})

print(car_sales)

Hasilnya:

    Brand  Colour  Price
   BMW   Black  50000
Toyota   White  30000
 Honda     Red  25000

Sekarang kita memiliki tabel dengan:

3 baris
3 kolom
1 index
beberapa nilai data

Dictionary dan DataFrame

Pada contoh sebelumnya:

{
    "Brand": car_brands,
    "Colour": colours,
    "Price": prices
}

dictionary digunakan untuk menentukan nama kolom dan data yang berada di dalamnya.

Secara sederhana:

Dictionary
     │
     ├── Brand  → BMW, Toyota, Honda
     │
     ├── Colour → Black, White, Red
     │
     └── Price  → 50000, 30000, 25000
                    │
                    ▼
                DataFrame

Ini membantu kita memahami bahwa DataFrame dapat terdiri dari beberapa Series yang disusun menjadi sebuah tabel.

DataFrame sebagai Tabel

Untuk pemula, cara paling mudah memahami DataFrame adalah menganggapnya seperti tabel pada spreadsheet.

Misalnya:

Index	Brand	Colour	Price
0	BMW	Black	50000
1	Toyota	White	30000
2	Honda	Red	25000

Ada beberapa bagian penting:

Index → 0, 1, 2

Columns → Brand, Colour, Price

Values → BMW, Black, 50000, dan seterusnya

Pemahaman terhadap bagian-bagian ini akan sangat membantu ketika mulai melakukan analisis data.

Mengimpor Data dari File CSV

Dalam project nyata, kita biasanya tidak membuat seluruh data secara manual menggunakan Python.

Data dapat berasal dari file seperti:

CSV
Excel
Database
API

Salah satu format yang paling umum digunakan dalam pembelajaran Data Science adalah CSV.

CSV merupakan singkatan dari Comma-Separated Values.

Contoh isi file:

Brand,Colour,Price
BMW,Black,50000
Toyota,White,30000
Honda,Red,25000

Data seperti ini dapat dibaca menggunakan Pandas.

Import CSV dari URL

Pandas memungkinkan Anda untuk membaca file CSV yang tersimpan di internet secara langsung tanpa harus mengunduhnya terlebih dahulu ke komputer. Anda hanya perlu memasukkan link (URL) file CSV tersebut ke dalam fungsi pd.read_csv().

import pandas as pd

# 1. Simpan URL file CSV ke dalam variabel
url = "https://githubusercontent.com/heart-disease.csv"

# 2. Baca file CSV langsung dari URL
df = pd.read_csv(url)

Membaca File CSV

Gunakan fungsi:

pd.read_csv()

Contohnya:

import pandas as pd

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

Sekarang isi file:

car-sales.csv

akan dibaca oleh Pandas dan disimpan ke dalam variable:

car_sales

Variable tersebut berisi sebuah DataFrame.

Secara sederhana:

car-sales.csv
      │
      ▼
pd.read_csv()
      │
      ▼
DataFrame
      │
      ▼
car_sales

Mengapa CSV Sering Digunakan?

CSV sangat populer karena bentuknya sederhana.

Contohnya:

Brand,Colour,Price
BMW,Black,50000
Toyota,White,30000
Honda,Red,25000

Format tersebut dapat dibuka menggunakan berbagai aplikasi.

CSV juga sering digunakan sebagai format pertukaran data antar sistem.

Dalam pembelajaran Data Science dan Machine Learning, kita akan sering menemukan dataset dalam bentuk CSV.

Lokasi File CSV

Ketika menggunakan:

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

Pandas akan mencari file:

car-sales.csv

berdasarkan lokasi kerja atau working directory saat program dijalankan.

Misalnya struktur project:

machine-learning/
│
├── notebooks/
│   └── learning-pandas.ipynb
│
└── data/
    └── car-sales.csv

Jika notebook dijalankan dari folder notebooks, lokasi file dapat perlu dituliskan sesuai struktur folder.

Contohnya:

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

Untuk pemula, konsep yang penting adalah memahami bahwa Pandas membutuhkan lokasi file yang benar ketika membaca dataset.

Tab Autocomplete di Jupyter Notebook

Ketika bekerja menggunakan Jupyter Notebook, kita dapat memanfaatkan fitur Tab Autocomplete.

Misalnya kita mengetik:

pd.re

kemudian menekan tombol:

Tab

Jupyter dapat membantu memberikan pilihan yang sesuai.

Fitur ini juga berguna ketika bekerja dengan nama file atau object tertentu.

Misalnya ketika kita mulai mengetik:

car-

dan kemudian menekan Tab, Jupyter dapat membantu menemukan nama file yang tersedia pada lokasi tersebut.

Autocomplete dapat membantu:

mengurangi kesalahan pengetikan
menemukan fungsi
menemukan variable
menemukan file
mempercepat proses coding

Anatomi DataFrame

Sekarang kita perlu memahami bagian-bagian dari DataFrame.

Perhatikan contoh:

Index	Brand	Colour	Price
0	BMW	Black	50000
1	Toyota	White	30000
2	Honda	Red	25000

DataFrame tersebut memiliki beberapa komponen penting.

Index

Index adalah penanda untuk setiap baris.

Secara default, Pandas biasanya memberikan index:

0
1
2
3
...

Contoh:

Index	Brand
0	BMW
1	Toyota
2	Honda

Index dimulai dari:

bukan:

Hal ini mengikuti kebiasaan indexing yang umum dalam pemrograman Python.

Row atau Baris

Row adalah data yang tersusun secara horizontal.

Contohnya:

BMW | Black | 50000

merupakan satu baris data.

Dalam Pandas, baris sering disebut berkaitan dengan:

Axis = 0

Secara sederhana:

       Brand    Colour    Price
         │        │         │
Row 0 → BMW     Black     50000
Row 1 → Toyota  White     30000
Row 2 → Honda   Red       25000

Untuk saat ini, cukup ingat:

Row → Axis 0

Konsep axis akan menjadi lebih penting ketika kita mulai melakukan operasi pada DataFrame.

Column atau Kolom

Column adalah data yang tersusun secara vertikal.

Contohnya:

Brand
BMW
Toyota
Honda

merupakan satu kolom.

Dalam Pandas, kolom berkaitan dengan:

Axis = 1

Secara sederhana:

Brand
BMW
Toyota
Honda

adalah satu kolom.

Untuk saat ini, cukup ingat:

Column → Axis 1

Row vs Column

Perbedaan row dan column dapat dilihat seperti berikut:

               Column
                 ↓
        Brand | Colour | Price
        -----------------------
Row →    BMW  | Black  | 50000
        Toyota| White  | 30000
        Honda | Red    | 25000

Atau:

Row
→ horizontal

Column
↓ vertical

Konsep ini sederhana tetapi sangat penting karena hampir semua operasi DataFrame berkaitan dengan baris dan kolom.

Column Names

Setiap kolom pada DataFrame memiliki nama.

Contoh:

Brand
Colour
Price

Nama tersebut disebut column names atau nama kolom.

Nama kolom membantu kita memahami informasi yang terdapat di dalam data.

Misalnya:

Brand

menunjukkan merek.

Price

menunjukkan harga.

Dalam Machine Learning, nama kolom juga dapat membantu kita mengidentifikasi:

feature
target
informasi tambahan
data yang perlu diproses

Values atau Data

Values adalah nilai yang terdapat di dalam DataFrame.

Contohnya:

BMW
Black
50000
Toyota
White
30000
Honda
Red
25000

Nilai tersebut merupakan isi dari dataset.

Secara sederhana:

Index       → Penanda baris
Column Name → Nama kolom
Values      → Isi data

Gambaran Lengkap DataFrame

Perhatikan kembali:

Index	Brand	Colour	Price
0	BMW	Black	50000
1	Toyota	White	30000
2	Honda	Red	25000

Kita dapat mengidentifikasi:

Index
  ↓
0, 1, 2

Column Names
  ↓
Brand, Colour, Price

Rows
  ↓
Setiap baris horizontal

Columns
  ↓
Setiap kolom vertikal

Values
  ↓
BMW, Black, 50000, dan seterusnya

Memahami anatomi ini akan membuat kita lebih mudah mengikuti materi Pandas berikutnya.

Mengekspor DataFrame

Selain membaca data, Pandas juga dapat digunakan untuk menyimpan data.

Misalnya kita telah melakukan beberapa perubahan terhadap DataFrame dan ingin menyimpannya kembali sebagai CSV.

Kita dapat menggunakan:

car_sales.to_csv("exported-car-sales.csv", index=False)

Perintah tersebut akan menghasilkan file:

exported-car-sales.csv

Secara sederhana:

DataFrame
    │
    ▼
to_csv()
    │
    ▼
CSV File

Apa Fungsi `index=False`?

Perhatikan perintah:

car_sales.to_csv("exported-car-sales.csv", index=False)

Bagian:

index=False

digunakan agar index DataFrame tidak ikut disimpan sebagai kolom baru pada file CSV.

Misalnya DataFrame:

Index	Brand	Price
0	BMW	50000
1	Toyota	30000
2	Honda	25000

Jika index ikut disimpan, hasil CSV dapat memiliki tambahan kolom index.

Padahal index tersebut sering kali hanya digunakan sebagai penanda baris di DataFrame.

Karena itu, ketika kita tidak ingin menyimpan index sebagai kolom CSV, gunakan:

index=False

Membaca dan Menyimpan Data

Secara umum, Pandas dapat digunakan untuk melakukan dua proses penting:

Membaca Data

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

Alurnya:

CSV
 ↓
Pandas
 ↓
DataFrame

Menyimpan Data

car_sales.to_csv("exported-car-sales.csv", index=False)

Alurnya:

DataFrame
 ↓
Pandas
 ↓
CSV

Dengan demikian, Pandas dapat menjadi jembatan antara file dataset dan program Python.

Contoh Alur Sederhana

Berikut contoh workflow sederhana:

import pandas as pd

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

car_sales.to_csv("exported-car-sales.csv", index=False)

Alurnya:

car-sales.csv
      │
      ▼
pd.read_csv()
      │
      ▼
DataFrame
      │
      ▼
Pengolahan Data
      │
      ▼
to_csv()
      │
      ▼
exported-car-sales.csv

Pada materi ini kita belum melakukan pengolahan data secara mendalam.

Tujuannya adalah memahami bagaimana data masuk ke Pandas dan bagaimana data tersebut direpresentasikan sebagai DataFrame.

Ringkasan Konsep

Beberapa konsep utama yang perlu diingat:

Konsep	Penjelasan
Pandas	Library Python untuk bekerja dengan data
`pd`	Alias umum untuk Pandas
Series	Struktur data satu dimensi
DataFrame	Struktur data dua dimensi berbentuk tabel
Index	Penanda baris
Row	Baris data, berkaitan dengan Axis 0
Column	Kolom data, berkaitan dengan Axis 1
Values	Isi atau nilai data
Column Names	Nama atau header kolom
CSV	Format file yang umum digunakan untuk dataset
`pd.read_csv()`	Membaca CSV menjadi DataFrame
`to_csv()`	Menyimpan DataFrame menjadi CSV

Hal yang Perlu Dipahami Pemula

Pada tahap awal, jangan terlalu fokus menghafalkan semua fungsi Pandas.

Pastikan terlebih dahulu memahami konsep berikut:

Series
  ↓
Satu dimensi / satu kolom

DataFrame
  ↓
Dua dimensi / tabel

Index
  ↓
Penanda baris

Row
  ↓
Baris

Column
  ↓
Kolom

Values
  ↓
Isi data

Jika konsep tersebut sudah dipahami, kita akan lebih mudah mempelajari operasi Pandas pada materi berikutnya.

Kesimpulan

Pandas menyediakan struktur data yang memudahkan kita bekerja dengan dataset.

Dua struktur data utama yang perlu diketahui adalah:

Series
  ↓
1 dimensi

DataFrame
  ↓
2 dimensi

DataFrame merupakan struktur yang paling sering kita gunakan ketika bekerja dengan dataset.

DataFrame dapat dibuat secara langsung menggunakan Python maupun diperoleh dari file seperti CSV.

Contohnya:

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

Setelah data berada dalam DataFrame, kita dapat mengolahnya menggunakan berbagai fitur Pandas.

DataFrame juga dapat disimpan kembali ke CSV:

car_sales.to_csv("exported-car-sales.csv", index=False)

Pemahaman terhadap Series, DataFrame, index, row, column, dan values merupakan fondasi penting sebelum kita masuk ke operasi Pandas yang lebih lanjut.

Mengimpor Pandas​

Apa Itu Series?​

Memahami Series dengan Analogi​

Membuat Series dari List Python​

Apa Itu DataFrame?​

Series vs DataFrame​

Membuat DataFrame​

Dictionary dan DataFrame​

DataFrame sebagai Tabel​

Mengimpor Data dari File CSV​

Import CSV dari URL​

Membaca File CSV​

Mengapa CSV Sering Digunakan?​

Lokasi File CSV​

Tab Autocomplete di Jupyter Notebook​

Anatomi DataFrame​

Index​

Row atau Baris​

Column atau Kolom​

Row vs Column​

Column Names​

Values atau Data​

Gambaran Lengkap DataFrame​

Mengekspor DataFrame​

Apa Fungsi index=False?​

Membaca dan Menyimpan Data​

Membaca Data​

Menyimpan Data​

Contoh Alur Sederhana​

Ringkasan Konsep​

Hal yang Perlu Dipahami Pemula​

Kesimpulan​

Mengimpor Pandas

Apa Itu Series?

Memahami Series dengan Analogi

Membuat Series dari List Python

Apa Itu DataFrame?

Series vs DataFrame

Membuat DataFrame

Dictionary dan DataFrame

DataFrame sebagai Tabel

Mengimpor Data dari File CSV

Import CSV dari URL

Membaca File CSV

Mengapa CSV Sering Digunakan?

Lokasi File CSV

Tab Autocomplete di Jupyter Notebook

Anatomi DataFrame

Index

Row atau Baris

Column atau Kolom

Row vs Column

Column Names

Values atau Data

Gambaran Lengkap DataFrame

Mengekspor DataFrame

Apa Fungsi `index=False`?

Membaca dan Menyimpan Data

Membaca Data

Menyimpan Data

Contoh Alur Sederhana

Ringkasan Konsep

Hal yang Perlu Dipahami Pemula

Kesimpulan