Cara menggunakan joint pmf python

DataFrame adalah struktur data 2 dimensi yang berbentuk tabular (mempunyai baris dan kolom)

Hampir semua data tidak hanya memiliki 1 kolom tetapi lebih sehingga lebih cocok menggunakan pandas DataFrame untuk mengolahnya

DataFrame dapat dibuat lebih dari satu Series atau dapat kita katakan bahwa DataFrame adalah kumpulan Series

Contents

• 1 Membuat Pandas DataFrame
  • • 1.0.1 #1 DatarFrame dari List
    • 1.0.2 #2 DataFrame dari Dictionary
    • 1.0.3 #3 DataFrame dari Series
    • 1.0.4 #4 DataFrame dari File
    • 1.0.5 #5 DataFrame dari DataFrame lain
• 2 Akses DataFrame
  • • 2.0.1 # Akses Kolom
    • 2.0.2 # Akses Baris

Membuat Pandas DataFrame

Ada beberapa cara untuk membuat DataFrame antara lain melalui List, Dict, Series, File atau DataFrame lain

~ Untuk implementasi DataFrame anda dapat gunakan Jupyter Notebook

#1 DatarFrame dari List

Pertama import terlebih dahulu library Pandas

import pandas as pd

Selanjutnya buat variabel data yang menyimpan beberapa List dan gunakan fungsi DataFrame() untuk membuat DataFrame baru

data = {'satu': [1,1,1,1,1],
        'dua' : [2,2,2,2,2],
        'tiga': [3,3,3,3,3]}

df = pd.DataFrame(data)

df.head()

Hasilnya adalah seperti ini

Kita juga bisa memberikan index label seperti pada Series

data = {'satu': [1,1,1,1,1],
        'dua' : [2,2,2,2,2],
        'tiga': [3,3,3,3,3]}

df = pd.DataFrame(data, index=['a','b','c','d','e'])

df.head()

Hasilnya adalah index default berupa angka menjadi bentu alfabet yang telah kita set

#2 DataFrame dari Dictionary

Kita juga bisa membuat DataFrame dari kumpulan Dictionary yang dibungkan di dalam List

data = [{'satu': 1, 'dua': 2,'tiga': 3}, # index ke-0
        {'satu': 1, 'dua': 2,'tiga': 3}, # index ke-1
        {'satu': 1, 'dua': 2,'tiga': 3}] # index ke-3

df = pd.DataFrame(data)

df.head()

Hasilnya adalah

#3 DataFrame dari Series

Kita dapat juga membuat DataFrame dari Series

data = {'satu': pd.Series([1,1,1,1,1]),
        'dua' : pd.Series([2,2,2,2,2]),
        'tiga': pd.Series([3,3,3,3,3])}

df = pd.DataFrame(data)

df.head()

Hasilnya adalah

#4 DataFrame dari File

Sebenarnya lebih cocok disebut dengan membaca file dengan DataFrame

Kita bisa gunakan fungsi read_csv() seperti yang sudah kita coba di materi Series

Misalnya kita akan membaca file CSV maka caranya seperti ini

df = pd.read_csv('titanic.csv')
df.head()

dan hasilnya seperti ini

Pandas tidak hanya bisa membaca file format CSV tetapi format-format lainnya seperti JSON, XLSX, TXT, XML dan sebagainya yang akan kita cover di artikel selanjutnya

#5 DataFrame dari DataFrame lain

Terkadang kita ingin menduplikasi dataframe maka caranya adalah sebagai berikut

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

#duplicate dataframe
df_baru = df

#show data
df_baru.head()

Akses DataFrame

Kita akan menggunakan dataset titatic. Silahkan download dulu datasetnya di artikel sebelumnya

# Akses Kolom

Untuk mengakses data berdasarkan kolom gunakan [‘nama kolom’]

Misal memanggil 1 kolom dari data titanic

df = pd.read_csv('titanic.csv')
df['Name']

Hasilnya adalah

Jika ingin memanggil lebih dari satu kolom maka menggunakan double “[ [ ] ]”

# Akses Baris

Untuk mengakses baris kita bisa gunakan fungsi loc dan iloc yang telah dibahas pada materi Pandas Series

Semisal kita ingin akses indeks ke-10

Jika ingin menampilkan data indeks ke-0 sampai ke 10 gunakan simbol ” : ” untuk mengambil range data atau dari indeks ke-10 sampai terakhir

Jika ingin mengambil data baris per kolom tertentu gunakan gabungan cara akses kolom dan baris

Misalnya ingin menampilkan kolom Name, Sex, Age, Survived dan Embarked

df[['Name', 'Sex', 'Age', 'Survived','Embarked']][10:15]

Untuk selanjutnya kita akan melakukan operasi-operasi di Pandas DataFrame.. Stay Tuned Gaes 😀