Cara menggunakan 50+40 pada Python


What is a DataFrame?

A Pandas DataFrame is a 2 dimensional data structure, like a 2 dimensional array, or a table with rows and columns.

Example

Create a simple Pandas DataFrame:

import pandas as pd

data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}

#load data into a DataFrame object:
df = pd.DataFrame(data)

print(df)

Result

     calories  duration
  0       420        50
  1       380        40
  2       390        45

Try it Yourself »


Locate Row

As you can see from the result above, the DataFrame is like a table with rows and columns.

Pandas use the loc attribute to return one or more specified row(s)

Example

Return row 0:

#refer to the row index:
print(df.loc[0])

Result

  calories    420
  duration     50
  Name: 0, dtype: int64

Try it Yourself »

Note: This example returns a Pandas Series.

Example

Return row 0 and 1:

#use a list of indexes:
print(df.loc[[0, 1]])

Result

     calories  duration
  0       420        50
  1       380        40

Try it Yourself »

Note: When using [], the result is a Pandas DataFrame.



Named Indexes

With the index argument, you can name your own indexes.

Example

Add a list of names to give each row a name:

import pandas as pd

data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}

df = pd.DataFrame(data, index = ["day1", "day2", "day3"])

print(df)

Result

        calories  duration
  day1       420        50
  day2       380        40
  day3       390        45

Try it Yourself »

Locate Named Indexes

Use the named index in the loc attribute to return the specified row(s).

Example

Return "day2":

#refer to the named index:
print(df.loc["day2"])

Result

  calories    380
  duration     40
  Name: 0, dtype: int64

Try it Yourself »


Load Files Into a DataFrame

If your data sets are stored in a file, Pandas can load them into a DataFrame.

Example

Load a comma separated file (CSV file) into a DataFrame:

import pandas as pd

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

print(df)

Try it Yourself »

You will learn more about importing files in the next chapters.


Test Yourself With Exercises


PERHATIAN!

  1. Kursus yang dibeli dengan menggunakan Kartu Prakerja tidak dapat dipindahtangankan dan hanya bisa diambil oleh pemegang Kartu Prakerja yang bersangkutan. Kursus yang dipindahtangankan dapat berakibat tidak dikeluarkannya sertifikat penyelesaian dan/atau tidak dibayarkannya insentif oleh Pemerintah.
  2. Jika kamu pengguna Kartu Prakerja, harap gunakan nama, alamat email, dan nomor HP yang sama dengan yang kamu gunakan ketika mendaftar Kartu Prakerja.
  3. Syarat Kelulusan: Mengakses semua materi belajar, menyelesaikan kuis di setiap perpindahan dari satu sesi/modul ke sesi/modul lainnya (minimum passing grade 80%) dan menyelesaikan tes akhir (minimum passing grade 60%).
  4. Kursus yang sudah dibeli/sudah melakukan pembayaran melalui Prakerja atau pembayaran lainnya tidak dapat dibatalkan dan/atau direfund.

Deskripsi:

Menurut Harvard Business Review, Data Scientist merupakan ''The Sexiest Job of the 21st Century''.

Di era sekarang, segala sesuatu bergantung pada data. Baik itu pemerintahan, perusahaan startup, perusahaan multinasional, bahkan segmen ukm. Dengan tugas mengumpulkan dan menganalisis data, seorang Ahli Statistika Terapan (Data Scientist) akan membantu stakeholder menentukan strategi untuk mencapai tujuan organisasi. Kita akan membahas penggunaan pemrograman Python untuk pengolahan dan menganalisis data sebagai seorang Ahli Statistika Terapan (Data Scientist) Data Scientist.

Materi yang akan dibahas dibagi menjadi 4 bagian. Materi yang pertama adalah dasar Python yang terdiri dari 4 bagian. Disertai satu proyek pembuatan pemrograman untuk kepentingan perpustakaan. Materi kedua akan membahas Python Data Analysis Library (PANDAS). Materi ketiga adalah Python Scientific and Visualization Tools. Materi terakhir adalah studi kasus pengolahan dan analisis data untuk memprediksi kasus covid-19 di indonesia.

Tunggu apa lagi? Segera ikuti kelasnya sekarang!

Tujuan Umum:

Peserta mampu menerapkan statistika terapan pada pemrograman Python untuk mengolah dan menganalisis data hingga mempublikasikan data sesuai dengan SKKNI No 268 tahun 2020 tentang Data Management.

Tujuan Khusus:

  • Memahami pentingnya Data Science di era keterbukaan data
  • Menerapkan metode ilmiah data science python pada data
  • Menjelaskan hasil dan analisis dari pengolahan data
  • Menerapkan prediksi berbasis data dan metode ilmiah
  • Mengaplikasikan publikasi terhadap hasil analisis dari data yang diperoleh
  • Mampu bersikap teliti dalam mengolah dan menganalisis data

Aspek Kompetensi: 

Pengetahuan (Knowledge):

  • Kompetensi : Mengenal profesi-profesi yang terlibat dalam pengolahan data. terdapat di materi:
    •  > PDF Profesi Pengolahan Data (hal 2-5)
    •  > Data Science dan Python (00:16-04:54)
  • Kompetensi : Mengenal tools yang dipakai dalam pemrograman phyton. terdapat di materi:
    •  > Data Science dan Python (04:55-07:13)
    •  > Instalasi Python dan Alat pada Windows (00:43-03:05)
  • Kompetensi : Memahami dasar-dasar pemrograman python. terdapat di materi:
    •  > Variabel pada Python (00:30-09:28)
    •  > Operator dan Tipe Data pada Python (00:13-09:37)
    •  > Operator Perbandingan (00:06-04:30)
    •  > Operator Logika (00:06-09:22)
    •  > Proyek Kredit 1 (01:30-02:00), (02:18-02:32)
    •  > Tipe Data Rangkaian pada Python (00:30-07:52)
    •  > Tuple pada Python (00:12-09:11)
    •  > Kondisional If pada Python (00:21-08:55)
    •  > Kondisional ELIF dalam IF (00:06-06:25)
    •  > Kondisional While pada Python (00:14-06:32)
    •  > Kondisional For pada Python (00:12-06:33)
    •  > Fungsi pada Python (00:27-07:51)
    •  > Fungsi Default pada Python (00:06-08:25)
  • Kompetensi : Menjelaskan kemampuan yang harus dimiliki oleh data scientist. terdapat di materi:
    •  > PDF Merintis Karier sebagai Data Scientist (Halaman 1-10)
  • Kompetensi : Menjabarkan pentingnya bahasa pemrograman python bagi data scientist. terdapat di materi:
    •  > PDF Pentingnya Belajar Python bagi Data Scientist (Halaman 2-6)
  • Kompetensi : Memahami sistem basis data. terdapat di materi:
    •  > PANDAS Data Series (2:15 - 2:58)
    •  > PANDAS DataFrame (2:15 - 2:40) (3:02 - 3:14)
    •  > Data Array pada Python (0:53 - 1:56)
    •  > Visualisasi Data dalam Bentuk Plot (0:38 - 2:01)
    •  > Data Preparation (0:56 - 1:30)
    •  > Data Cleansing (7:27 - 7:39)
    •  > Exploration Data Analyst (0:41 - 1:43)
  • Kompetensi : Memahami visualisasi data melalui grafis. terdapat di materi:
    •  > Visualisasi Data dalam Bentuk Plot (0:38 - 2:01)
  • Kompetensi : Memahami tools yang dapat dimanfaatkan untuk penggunaan data. terdapat di materi:
    •  > PANDAS Data Series (0:53 - 2:04) 
    •  > Data Array pada Python (0:53 - 1:56)
    •  > Visualisasi Data dalam Bentuk Plot (0:38 - 2:01

Keterampilan (Skill):

  • Kompetensi : Melakukan instalasi tools yang dipakai dalam pemrograman phyton. terdapat di materi:
    •  > Instalasi Python dan Alat pada Windows (03:06-08:01)
    •  > PDF Tahapan Download File Instalasi (hal 1)
  • Kompetensi : Menggunakan pemrograman phyton sebagai latihan dasar. terdapat di materi:
    •  > Variabel pada Python (01:25-09:28)
    •  > Operator dan Tipe Data pada Python (00:40-09:37)
    •  > Operator Perbandingan (00:06-04:30)
    •  > Operator Logika (00:06-04:14), (05:01-09:22)
    •  > Tipe Data Rangkaian pada Python (01:33-07:52)
    •  > Tuple pada Python (00:36-09:11)
    •  > Kondisional If pada Python (01:14-08:55)
    •  > Kondisional ELIF dalam IF (00:06-06:25)
    •  > Kondisional While dan For pada Python (00:34-06:32)
    •  > Kondisional For pada Python (00:36-06:33)
    •  > Fungsi pada Python (01:17-07:51)
    •  > Fungsi Default pada Python (00:06-08:25)
  • Kompetensi : Menggunakan pemrograman python dalam suatu proyek. terdapat di materi:
    •  > Proyek Kredit 1 (00:32-04:22)
    •  > PDF File persiapan dalam pembuatan data buku perpustakaan (hal 1)
    •  > PDF File persiapan dalam pembuatan list buku (hal 1)
    •  > Proyek Kredit 2 (00:29-06:03)
    •  > PDF File persiapan dalam pembuatan skenario denda peminjaman buku (hal 1)
    •  > Proyek Kredit 3 (00:29-10:00)
    •  > Proyek Kredit 3 Lanjutan (00:06-07:48)
    •  > PDF File persiapan dalam pembuatan fungsi peminjaman dan pengembalian buku (hal 1)
    •  > Proyek Kredit 4 (00:28-05:50)
    •  > Proyek Kredit 4 Lanjutan (00:06-07:56)
  • Kompetensi : Menerapkan soft skill data scientist. terdapat di materi:
    •  > PDF Merintis Karier sebagai Data Scientist (Halaman 7-9)
  • Kompetensi : Mengolah grafik presentasi. terdapat di materi:
    •  > Visualisasi Data dalam Bentuk Plot (1:28 - 6:16) 
    •  > Label pada Data Plot (0:04 - 4:10)
    •  > Visualisasi Data dalam Bentuk Bar (0:05 - 7:54)
    •  > Visualisasi Data dalam Bentuk Pie (0:04 - 4:45)
    •  > Project Kredit 6 Lanjutan (3:58 - 6:22)
    •  > Logistic Model untuk Prediksi (3:31 - 4:52)
    •  > Analisis pada Data (8:11 - 8:59)
  • Kompetensi : Menganalisis Kebutuhan Data. terdapat di materi:
    •  > PANDAS Data Series (0:53 - 2:04)
    •  > Data Preparation (1:31 - 5:07)
    •  > Data Cleansing (0:05 - 7:39)
    •  > Exploration Data Analyst (1:44 - 4:15)
    •  > Eksplorasi Data Kasus Puncak Covid-19 (0:05 - 5:45)
    •  > Logistic Model untuk Prediksi (0:06 - 7:14)
    •  > Penggunaan Pustaka Scipy (0:04 - 6:15)
    •  > Penggunaan Pustaka Scipy Lanjutan (0:07 - 4:50)
  • Kompetensi : Membuat visualisasi data melalui grafis. terdapat di materi:
    •  > Visualisasi Data dalam Bentuk Plot (1:28 - 6:16) 
    •  > Label pada Data Plot (0:04 - 4:10)
    •  > Visualisasi Data dalam Bentuk Bar (0:05 - 7:54)
    •  > Visualisasi Data dalam Bentuk Pie (0:04 - 4:45)
    •  > Project Kredit 6 Lanjutan (3:58 - 6:22)
    •  > Logistic Model untuk Prediksi (3:31 - 4:52)
    •  > Analisis pada Data (0:56 - 8:59)
  • Kompetensi : Mengelola basis data. terdapat di materi:
    •  > PANDAS Data Series (3:04 - 9:02)
    •  > Tipe Data Dictionary PANDAS Data Series (0:07 - 6:20)
    •  > PANDAS DataFrame (2:41 - 9:24)
    •  > Identitas pada Baris DataFrame (0:06 - 7:18)
    •  > Proyek Kredit 5 (0:38 - 7:08)
    •  > Proyek Kredit 5 Lanjutan (0:07 - 7:30)
    •  > Data Array pada Python (2:04 - 9:28)
    •  > Alokasi pada Numpy (0:04 - 8:38)
    •  > Proyek Kredit 6 (0:44 - 6:12)
    •  > Project Kredit 6 Lanjutan (0:05 - 6:22)
    •  > Exploration Data Analyst (1:44 - 4:15)
  • Kompetensi : Menggunakan pemrograman Python untuk pengolahan data. terdapat di materi:
    •  > PANDAS Data Series (1:40 - 2:04) (3:04 - 9:02)
    •  > Tipe Data Dictionary PANDAS Data Series (0:07 - 6:20)
    •  > PANDAS DataFrame (2:41 - 9:24)
    •  > Identitas pada Baris DataFrame (0:06 - 7:18)
    •  > Proyek Kredit 5 (0:38 - 7:08)
    •  > Proyek Kredit 5 Lanjutan (0:07 - 7:30)
    •  > Data Array pada Python (2:04 - 9:28)
    •  > Alokasi pada Numpy (0:04 - 8:38)
    •  > Visualisasi Data dalam Bentuk Plot (2:02 - 6:16)
    •  > Label pada Data Plot (0:04 - 4:10)
    •  > Visualisasi Data dalam Bentuk Bar (0:05 - 7:54)
    •  > Visualisasi Data dalam Bentuk Pie (0:04 - 4:45)
    •  > Proyek Kredit 6 (0:44 - 6:12)
    •  > Project Kredit 6 Lanjutan (0:05 - 6:22)
    •  > Data Preparation (1:31 - 5:07)
    •  > Data Cleansing (0:05 - 7:39)
    •  > Exploration Data Analyst (1:44 - 4:15)
    •  > Eksplorasi Data Kasus Puncak Covid-19 (0:05 - 5:45)
    •  > Logistic Model untuk Prediksi (0:06 - 7:14)
    •  > Penggunaan Pustaka Scipy (0:04 - 6:15)
    •  > Penggunaan Pustaka Scipy Lanjutan (0:07 - 4:50)
    •  > Analisis pada Data (0:56 - 8:59)
    •  > Analisis Akurasi Hasil Prediksi pada Data (0:06 - 8:47)
    •  > Analisis Akurasi Hasil Prediksi pada Data Lanjutan (0:07 - 7:52)
    •  > Visualisasi dan Publikasi Data (0:07 - 5:40)

Sikap (Attitude):

  • Kompetensi : Teliti dalam mengolah dan menganalisis data. terdapat di materi:
    •  > Proyek Kredit 1 (04:23-04:29)
    •  > PDF Merintis Karier sebagai Data Scientist (Halaman 7 dan 8)
    •  > PANDAS Data Series (5:12 - 5:26)
    •  > PANDAS DataFrame (2:36 - 2:47)
    •  > Proyek Kredit 5 (1:38 - 1:43)
    •  > Proyek Kredit 5 Lanjutan (4:10 - 4:20) (6:06 - 7:00)
    •  > Data Cleansing (2:01 - 2:34)
  • Kompetensi : Jujur dalam menampilkan data. terdapat di materi:
    •  > PDF Merintis Karier sebagai Data Scientist (Halaman 5)
  • Kompetensi : Cermat dalam mengolah dan menganalisis data. terdapat di materi:
    •  > PANDAS Data Series (5:12 - 5:26)
    •  > PANDAS DataFrame (2:36 - 2:47)
    •  > Proyek Kredit 5 (1:38 - 1:43)
    •  > Proyek Kredit 5 Lanjutan (4:10 - 4:20) (6:06 - 7:00)
    •  > Data Cleansing (2:01 - 2:34)
  • Kompetensi : Berpikir kritis dalam menganalisis data. terdapat di materi:
    •  > Exploration Data Analyst (1:44 - 4:15)
    •  > Eksplorasi Data Kasus Puncak Covid-19 (0:05 - 5:45)
    •  > Analisis pada Data (0:56 - 8:59)
    •  > Analisis Akurasi Hasil Prediksi pada Data (0:06 - 8:47)
    •  > Analisis Akurasi Hasil Prediksi pada Data Lanjutan (0:07 - 7:52)
    •  > PDF Merintis Karier sebagai Data Scientist (Halaman 8)

Materi Pelatihan:

  •  1. Pengolahan Data 38:17
  •  1.1 Profesi Pengolahan Data 10:00 (file bacaan)
  •  1.2 Data Science dan Python 09:42 (video)
  •  1.3 Tahapan Download File Instalasi 10:00 (file bacaan)
  •  1.4 Instalasi Python dan Alat pada Windows 08:35 (video)
  •  2. Variabel dan Tipe Data Python 48:56
  •  2.1 Variabel pada Python 09:43 (video)
  •  2.2 Operator dan Tipe Data pada Python 09:46 (video)
  •  2.3 Operator Perbandingan 04:37 (video)
  •  2.4 Operator Logika 09:55 (video)
  •  2.5 File persiapan dalam pembuatan data buku perpustakaan 10:00 (file bacaan)
  •  2.6 Proyek Kredit 1 04:55 (video)
  •  3. Tipe Data Rangkaian pada Python 34:24
  •  3.1 Tipe Data Rangkaian pada Python 08:01 (video)
  •  3.2 Tuple pada Python 09:55 (video)
  •  3.3 Proyek Kredit 2 06:28 (video)
  •  4. Kondisional pada Python 58:16 
  •  4.1 Kondisional If pada Python 09:04 (video)
  •  4.2 Kondisional ELIF dalam IF 06:39 (video)
  •  4.3 Kondisional While pada Python 06:41 (video)
  •  4.4 Kondisional For pada Python 07:17 (video)
  •  4.5 Proyek Kredit 3 9:58 (video)
  •  4.6 Proyek Kredit 3 Lanjutan 8:37 (video)
  •  5. Fungsi yang Terdapat pada Python 41.29
  •  5.1 Fungsi pada Python 07:58 (video)
  •  5.2 Fungsi Default pada Python 08:58 (video)
  •  5.3 File persiapan dalam pembuatan fungsi peminjaman dan pengembalian buku 10:00 (file bacaan) 
  •  5.4 Proyek Kredit 4 05:57 (video)
  •  5.5 Proyek Kredit 4 Lanjutan 08:36 (video)
  •  6 Python Data Analysis Library (PANDAS) 58:29
  •  6.1 PANDAS Data Series (video) 09:09
  •  6.2 Tipe Data Dictionary PANDAS Data Series (video) 06:37
  •  6.3 PANDAS DataFrame (video) 09:31
  •  6.4 Identitas pada Baris DataFrame (video) 07:54
  •  6.5 File persiapan dalam pembuatan pembuatan data frame perpustakaan (file bacaan) 10:00
  •  6.6 Proyek Kredit 5 (video) 07:15
  •  6.7 Proyek Kredit 5 Lanjutan (video) 08:03
  •  7 Data Array dan Visualisasi pada Python Scientific 01:06:43
  •  7.1 Data Array pada Python (video) 09:35
  •  7.2 Alokasi pada Numpy (video) 09:17
  •  7.3 Visualisasi Data dalam Bentuk Plot (video) 06:23
  •  7.4 Label pada Data Plot (video) 04:27
  •  7.5 Visualisasi Data dalam Bentuk Bar (video) 08:01
  •  7.6 Visualisasi Data dalam Bentuk Pie (video) 05:28
  •  7.7 File persiapan dalam pembuatan plot data peminjaman buku perbulan (file bacaan) 10:00
  •  7.8 Proyek Kredit 6 (video) 06:19
  •  7.9 Proyek Kredit 6 Lanjutan (video) 07:13
  •  8 Study Case Pengolahan Data 1:36:45
  •  8.1 File data covid-19 yang akan diolah (file bacaan) 10:00
  •  8.2 Data Preparation (video) 05:14
  •  8.3 Data Cleansing (video) 08:18
  •  8.4 Exploration Data Analyst (video) 04:23
  •  8.5 Eksplorasi Data Kasus Puncak Covid-19 (video) 06:00
  •  8.6 Logistic Model untuk Prediksi (video) 07:21
  •  8.7 Penggunaan Pustaka scipy (video) 06:24
  •  8.8 Penggunaan Pustaka scipy Lanjutan (video) 05:21
  •  8.9 Analisis pada Data (video) 09:17
  •  8.10 Analisis Akurasi Hasil Prediksi pada Data (video) 8:54
  •  8.11 Analisis Akurasi Hasil Prediksi pada Data Lanjutan (video) 08:09
  •  8.12 Visualisasi dan Publikasi Data (video) 07:24
  •  8.13 Rangkuman (file bacaan) 10:00

Target Peserta:

  • Minimal pendidikan S1
  • Fresh Graduate yang ingin mempelajari kemampuan mengolah dan analisis daya menggunakan programming Python
  • Professional yang ingin menambah kemampuan dalam programming python untuk pengolahan data science
  • Menguasai kemampuan dasar dalam mengoperasikan komputer dan menggunakan internet
  • Memiliki gadget berupa laptop dengan akses internet
  • Menginstal aplikasi Anaconda di laptop (jika belum memiliki aplikasi Anaconda, disediakan tutorial download & instal aplikasi di kelas ini)

Durasi:

Topik Durasi
Pengolahan Data 38 menit
Variabel dan Tipe Data Python 49 menit
Tipe Data Rangkaian pada Python 34 menit
Kondisional pada Python 58 menit
Fungsi yang Terdapat pada Python 41 menit
Python Data Analysis Library (PANDAS) 58 menit
Data Array dan Visualisasi pada Python Scientific 67 menit
Study Case Pengolahan Data 97 menit
Total 443 menit


Level:

Basic.

Metode Pembelajaran:

Self Paced Learning: Metode ajar yang digunakan adalah menggunakan kombinasi antara ceramah, studi kasus dan simulasi.

Metode Evaluasi:

  1. Pretest
  2. Formative Test/Kuis
  3. Post test
  4. Tugas Praktik

Jenis/Klasifikasi Sertifikat:

Peserta yang telah menyelesaikan semua kegiatan pembelajaran akan mendapatkan Sertifikat Penyelesaian jika nilai akhir di bawah 60 dan akan mendapatkan Sertifikat Kompetensi Lulus jika nilai akhir di atas 60.

Sesi Konsultasi:

Setiap Hari Jumat, Pukul 16.00-17.00 WIB via LMS.

Apa Yang Perlu Kamu Persiapkan?

Kamu hanya perlu mempersiapkan laptop/notebook, tablet, atau smartphone dengan koneksi Internet.

Cara Reedem Voucher:

  1. Buka website www.skillacademy.com atau download Aplikasi Skill Academy di Play Store.
  2. Pilih "MASUK" apabila sebelumnya sudah mendaftar akun Skill Academy atau pilih "DAFTAR" jika sebelumnya Anda belum pernah mendaftar akun Skill Academy.
  3. Klik "TUKARKAN" pada bagian penukaran voucher di homepage atau halaman prakerja.
  4. Isikan kode voucher yang sudah didapatkan dari Pintaria setelah melakukan pembayaran.
  5. Setelah penukaran berhasil silakan klik 'Lihat Kelas' atau cek pada bagian "Kelas Saya" untuk mengikuti kelasnya.

Bagaimana penulisan variabel dengan menggunakan python?

Variabel dalam python memiliki format penulisan nama_variabel = <nilai>. Variabel dapat berisi teks maupun bilangan. Terdapat beberapa aturan penulisan variabel, yaitu : nama variabel boleh diawali menggunakan huruf atau garis bawah (_) dan tidak dapat dimulai dengan angka (0-9), contoh: namasaya, _nama.

Apa itu if else Elif?

Kondisi Elif Pengambilan keputusan (kondisi if elif) merupakan lanjutan/percabangan logika dari “kondisi if”. Dengan elif kita bisa membuat kode program yang akan menyeleksi beberapa kemungkinan yang bisa terjadi. Hampir sama dengan kondisi “else”, bedanya kondisi “elif” bisa banyak dan tidak hanya satu.

Apa itu IF dan ELSE pada python?

Else if python merupakan salah satu percabangan yang digunakan dalam python untuk penentuan keputusan atau conditional statement. Konsep dari else if python terbilang cukup sederhana, yaitu komputer akan mengeksekusi sesuatu berdasarkan apa yang sebelumnya kita instruksikan dalam komputer.

Bagaimana penggunaan while dalam python?

while pada Python adalah syntax yang digunakan untuk eksekusi perulangan selama ekspresi benar. Berikut sistematika syntax di while. Secara umum, operator matematika khususnya operator perbandingan sering digunakan dalam loop _expression pada syntax while.