Langsung ke konten utama

Eksplorasi Data: Cara Membuat Pivot Table dengan Python

Pivot table dengan Python

Halo teman-teman, kita akan lanjutkan ya pembahasan bahasa pemrograman Python. Kalau sebelumnya kita telah memahas bersama bagaimana melakukan import data ke dalam Python Jupyter Notebook serta mengulik data menggunakan Pandas, kali ini kita masih tetap menggunakan package Pandas.

Kita akan coba membuat sebuah data sendiri (generate) kemudian kita coba membuat pivot table data data frame yang telah kita buat. Teman-teman dapat juga membangkitkan data sendiri sesuai keinginan, dalam unggahan ini saya coba membangkitkan data mengenai jumlah buku yang dibaca menurut bulan dan judul bukunya. Adapun nama-nama buku dalam data berikut merupakan buku yang berhasil saya tulis dan saya terbitkan. Bagi teman-teman yang berminat, bisa memesannya melalui tautan berikut.

Sebelum melakukan data manipulation dengan menciptakan pivot table, teman-teman perlu mengaktifkan package Pandas terlebih dahulu. Package ini sebagaimana yang pernah saya katakan, mirip dengan package dplyr di R secara fungsi. Setelah diaktifkan, kita dapat membuat pivot table dengan mengikuti beberapa code berikut:

#Aktivasi package Pandas
import pandas as pd

#Generate Data sendiri
hargabuku = {'Judul':['Pengantar Statistika Dasar','Visualisasi Data dengan Tableau','Kalkulus Dasar',
                     'Kalkulus Dasar','Pengantar Statistika Dasar','Visualisasi Data dengan Tableau',
                     'Visualisasi Data dengan Tableau','Kalkulus Dasar','Kalkulus Dasar','Pengantar Statistika Dasar'],
             'Bulan':[1,1,2,3,1,4,3,2,1,6],'Dibaca_kali':[12,24,30,17,20,22,50,21,45,44]}
#Membuat data frame
dfbuku = pd.DataFrame(hargabuku, columns = ['Judul', 'Bulan', 'Dibaca_kali'])
print(dfbuku)

Data awal sebagai bahan pivot table dengan Python

#Pivot Table:menampilkan jumlah dibaca menurut judul buku
pivot = dfbuku.pivot_table(index = ['Judul'], values = ['Dibaca_kali'], aggfunc = 'sum')
print(pivot)

Pivot table: jumlah dibaca menurut judul buku

#Pivot Table:menampilkan jumlah dibaca menurut jumlah bulan
pivot = dfbuku.pivot_table(index = ['Judul'], values = ['Bulan'], aggfunc = 'count')
print(pivot)

Jumlah bulan dibaca menurut judul buku

#Pivot Table:menampilkan rata-rata dibaca menurut judul buku
pivot = dfbuku.pivot_table(index = ['Judul'], values = ['Dibaca_kali'], aggfunc = 'mean')
print(pivot)

Rata-rata dibaca menurut judul buku

#Pivot Table:menampilkan jumlah dibaca menurut judul buku dan bulan
pivot = dfbuku.pivot_table(index = ['Judul','Bulan'], values = ['Dibaca_kali'], aggfunc = 'sum')
print(pivot)

Jumlah dibaca menurut judul buku dan bulan

#Pivot Table:menampilkan rata-rata dibaca menurut judul buku dan bulan
pivot = dfbuku.pivot_table(index = ['Judul','Bulan'], values = ['Dibaca_kali'], aggfunc = 'mean')
print(pivot)

Rata-rata dibaca menurut judul buku dan bulan

#Pivot Table:menampilkan rata-rata dibaca menurut judul buku dan bulan serta diurutkan dari rata-rata tertinggi ke terendah
pivot = dfbuku.pivot_table(index = ['Judul','Bulan'], values = ['Dibaca_kali'], aggfunc = 'mean')
pivot = pivot.sort_values(by = "Dibaca_kali", ascending = False)
print(pivot)

Rata-rata dibaca urut dari tertinggi ke terendah menurut judul buku dan bulan

#Mengganti nama kolom Dibaca_kali menjadi Rata_rata_dibaca
pivot.rename(columns = {'Dibaca_kali':'Rata-rata_dibaca'}, inplace =True)
print(pivot)

Mengganti nama kolom dibaca_kali menjadi rata-rata_dibaca

Demikian sedikit sharing kita mengenai bagaimana membuat pivot table menggunakan package Pandas pada Python Jupyter Notebook. Nantikan unggahan berikutnya, selamat memahami dan mempraktikkan!

Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...