Fungsi Penting Panda Library Python

Pandas adalah pustaka (library) Python yang sangat populer dan digunakan untuk manipulasi serta analisis data secara efisien dan fleksibel. Dengan struktur data utamanya yaitu DataFrame dan Series, pandas memungkinkan pengguna untuk membaca, menulis, membersihkan, memfilter, mengelompokkan, hingga menggabungkan data dengan cara yang sederhana namun powerful. Pustaka ini sangat berguna dalam bidang analisis data, sains data, dan pembelajaran mesin karena mendukung berbagai format file seperti CSV, Excel, SQL, dan JSON. Pandas dibangun di atas pustaka NumPy dan memberikan antarmuka tingkat tinggi yang ramah pengguna untuk pengolahan data berstruktur dua dimensi (seperti tabel di Excel atau database).

A. Input/Output

Fungsi	Penjelasan
`pd.read_csv()`	Membaca file CSV menjadi DataFrame
`pd.read_excel()`	Membaca file Excel (.xls/.xlsx)
`df.to_csv()`	Menyimpan DataFrame ke file CSV
`df.to_excel()`	Menyimpan DataFrame ke file Excel

B. DataFrame

Fungsi	Penjelasan
`pd.DataFrame()`	Membuat DataFrame dari dictionary atau array
`df.head()`	Menampilkan 5 baris pertama
`df.tail()`	Menampilkan 5 baris terakhir
`df.info()`	Informasi umum (jumlah baris, kolom, tipe data)
`df.describe()`	Statistik ringkasan dari kolom numerik
`df.shape`	Menampilkan ukuran DataFrame (baris, kolom)
`df.columns`	Menampilkan nama-nama kolom
`df.dtypes`	Menampilkan tipe data setiap kolom

C. Seleksi dan Penyaringan Data

Fungsi	Penjelasan
`df['kolom']`	Mengakses satu kolom
`df[['kolom1', 'kolom2']]`	Mengakses beberapa kolom
`df.iloc[]`	Seleksi berdasarkan posisi (index)
`df.loc[]`	Seleksi berdasarkan label (nama kolom/baris)
`df[df['kolom'] > 10]`	Memfilter baris berdasarkan kondisi

? Pembersihan dan Transformasi Data

Fungsi	Penjelasan
`df.dropna()`	Menghapus nilai yang hilang (NaN)
`df.fillna()`	Mengisi nilai yang hilang
`df.drop()`	Menghapus kolom atau baris
`df.rename()`	Mengganti nama kolom atau baris
`df.astype()`	Mengubah tipe data kolom
`df.replace()`	Mengganti nilai tertentu
`df.duplicated()`	Mengecek data duplikat
`df.drop_duplicates()`	Menghapus data duplikat

D. Agregasi dan Pengelompokan Data

Fungsi	Penjelasan
`df.groupby()`	Mengelompokkan data berdasarkan kolom tertentu
`df.mean()`	Menghitung nilai rata-rata
`df.sum()`	Menjumlahkan nilai
`df.count()`	Menghitung jumlah data non-null
`df.agg()`	Menggabungkan beberapa fungsi agregasi
`df.value_counts()`	Menghitung frekuensi nilai unik

E. Pengurutan dan Penataan Ulang Data

Fungsi	Penjelasan
`df.sort_values()`	Mengurutkan baris berdasarkan nilai kolom
`df.sort_index()`	Mengurutkan berdasarkan index
`df.pivot_table()`	Membuat tabel pivot
`df.melt()`	Mengubah bentuk DataFrame dari lebar ke panjang
`df.stack()` / `df.unstack()`	Menyusun kembali dimensi DataFrame

F. Penggabungan Data

Fungsi	Penjelasan
`pd.concat()`	Menggabungkan beberapa DataFrame
`pd.merge()`	Menggabungkan DataFrame seperti SQL JOIN
`df.join()`	Menggabungkan DataFrame berdasarkan index

Share Artikel ini: