Mulai uji coba gratis
Populer Baru Genre Penulis
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Mencari...
SoBrief
Python untuk Analisis Data

Python untuk Analisis Data

Judul asli: Python for Data Analysis
Pengolahan Data dengan pandas, NumPy, dan Jupyter
oleh Wes McKinney 2011 579 halaman
4.17
2.000+ penilaian
Amazon Kindle Audible
Coba Akses Penuh Selama 3 Hari
Buka fitur mendengarkan & lainnya!
Lanjutkan

Poin Penting

1. Kuasai struktur data dan fungsi bawaan Python

Python telah lama menjadi bahasa populer untuk manipulasi data mentah, sebagian karena kemudahannya dalam pengolahan string dan teks.

Pondasi dasar. Struktur data bawaan Python seperti list, tuple, dictionary, dan set menjadi fondasi utama dalam analisis data. List dan tuple menyimpan urutan data yang teratur, sementara dictionary dan set memungkinkan pencarian cepat dan penyimpanan nilai unik. Struktur ini mendukung berbagai operasi seperti:

  • Operasi list: append, extend, insert, remove
  • Metode dictionary: keys(), values(), items()
  • Operasi set: union, intersection, difference

Fungsi bawaan Python seperti len(), range(), zip(), dan enumerate() menyediakan alat kuat untuk manipulasi data. List comprehension menawarkan cara ringkas untuk membuat list baru berdasarkan list yang sudah ada, sering menggantikan penggunaan loop for tradisional.

2. Manfaatkan NumPy untuk komputasi numerik yang efisien

NumPy menyimpan data secara internal dalam blok memori yang berkesinambungan, terpisah dari objek bawaan Python lainnya.

Array berperforma tinggi. ndarray dari NumPy adalah dasar komputasi numerik di Python, menawarkan:

  • Penyimpanan dan operasi efisien pada array besar
  • Kemampuan broadcasting untuk bekerja dengan array berukuran berbeda
  • Operasi vektorisasi yang menghilangkan kebutuhan loop eksplisit

Fungsi universal (ufuncs) NumPy menyediakan operasi elemen-per-elemen yang cepat, seperti np.sqrt(), np.exp(), dan np.maximum(). Fungsi-fungsi ini dapat bekerja pada seluruh array sekaligus, meningkatkan performa dibandingkan implementasi murni Python.

Operasi aljabar linier, pengacakan angka, dan transformasi Fourier juga tersedia di NumPy, menjadikannya alat penting untuk komputasi ilmiah dan analisis data.

3. Gunakan pandas untuk manipulasi dan analisis data

pandas akan menjadi alat utama yang banyak digunakan sepanjang buku ini.

Struktur data untuk analisis. Pandas memperkenalkan dua struktur data utama:

  • Series: array berlabel satu dimensi
  • DataFrame: struktur data berlabel dua dimensi dengan kolom yang bisa memiliki tipe berbeda

Struktur ini menawarkan kemampuan pengindeksan dan penyelarasan data yang kuat. Fitur utama meliputi:

  • Penanganan data yang hilang
  • Penggabungan dan penyatuan dataset
  • Pengubahan bentuk dan pivot data
  • Fungsi deret waktu

Pandas unggul dalam memuat data dari berbagai sumber (CSV, Excel, database) dan menyediakan alat untuk pembersihan, transformasi, dan analisis data. Integrasinya dengan NumPy memungkinkan transisi mulus antara manipulasi data dan komputasi numerik.

4. Buat visualisasi yang informatif dengan matplotlib dan seaborn

matplotlib adalah paket plotting desktop yang dirancang untuk membuat grafik dan gambar yang layak dipublikasikan.

Eksplorasi data visual. Matplotlib menyediakan antarmuka plotting mirip MATLAB di Python, menawarkan:

  • Grafik garis, scatter, batang, histogram, dan lainnya
  • Elemen plot yang dapat disesuaikan (warna, label, legenda, dll.)
  • Dukungan berbagai jenis plot dalam satu gambar

Seaborn, yang dibangun di atas matplotlib, menawarkan:

  • Visualisasi data statistik
  • Tema bawaan untuk plot yang menarik
  • Antarmuka tingkat tinggi untuk jenis plot umum

Kedua pustaka ini memungkinkan pembuatan visualisasi berkualitas publikasi untuk eksplorasi dan presentasi data. Integrasi dengan pandas memudahkan plotting objek DataFrame dan Series.

5. Kelola data deret waktu dengan efektif

Data deret waktu adalah bentuk data terstruktur penting di berbagai bidang seperti keuangan, ekonomi, ekologi, ilmu saraf, dan fisika.

Analisis data temporal. Pandas menyediakan alat kuat untuk bekerja dengan data berbasis waktu:

  • DatetimeIndex dan PeriodIndex untuk pengindeksan waktu
  • Resampling dan konversi frekuensi
  • Perhitungan jendela bergulir (rolling window)
  • Penanganan zona waktu

Fitur ini memungkinkan analisis efisien data deret waktu, termasuk:

  • Pembuatan rentang tanggal
  • Pergeseran data
  • Operasi lag dan lead
  • Analisis berbasis periode

Kemampuan menangani berbagai frekuensi waktu (harian, bulanan, kuartalan) dan perhitungan berbasis kalender membuat pandas sangat berguna untuk analisis data keuangan dan ekonomi.

6. Lakukan agregasi data dan operasi grup

Mengkategorikan dataset dan menerapkan fungsi pada setiap grup, baik agregasi maupun transformasi, adalah komponen penting dalam alur kerja analisis data.

Analisis berbasis grup. Fungsi groupby pada pandas memungkinkan agregasi dan transformasi data yang kuat:

  • Memisahkan data ke dalam grup berdasarkan satu atau lebih kunci
  • Menerapkan fungsi pada setiap grup
  • Menggabungkan hasil menjadi struktur data baru

Operasi umum meliputi:

  • Agregasi: sum, mean, count, dll.
  • Transformasi: standardisasi, peringkat, dll.
  • Fungsi kustom yang diterapkan pada grup

Fungsi ini sangat berguna untuk merangkum dataset besar, menghitung statistik tingkat grup, dan melakukan transformasi data kompleks berdasarkan variabel kategorikal.

7. Integrasikan pandas dengan pustaka pemodelan

pandas umumnya berorientasi pada pengolahan array tanggal, baik sebagai indeks sumbu maupun kolom dalam DataFrame.

Persiapan data untuk pemodelan. Pandas memudahkan transisi antara manipulasi data dan pemodelan statistik:

  • Konversi mudah antara objek pandas dan array NumPy
  • Dukungan data kategorikal dan pembuatan variabel dummy
  • Integrasi dengan Patsy untuk spesifikasi formula model

Fitur ini memungkinkan integrasi mulus dengan pustaka pemodelan seperti statsmodels dan scikit-learn. Struktur data pandas dapat dengan mudah diubah ke format yang dibutuhkan pustaka tersebut, memperlancar proses pemodelan.

8. Jelajahi pemodelan statistik dengan statsmodels

statsmodels adalah pustaka Python untuk fitting berbagai model statistik, melakukan uji statistik, serta eksplorasi dan visualisasi data.

Alat analisis statistik. Statsmodels menawarkan beragam model dan uji statistik:

  • Model regresi linier
  • Analisis deret waktu
  • Model linier umum
  • Uji hipotesis

Pustaka ini menyediakan API berbasis formula (mirip R) dan API berbasis array, memungkinkan spesifikasi model yang fleksibel. Juga tersedia alat diagnostik model dan interpretasi hasil yang komprehensif.

9. Terapkan pembelajaran mesin dengan scikit-learn

scikit-learn adalah salah satu toolkit pembelajaran mesin Python yang paling banyak digunakan dan terpercaya.

Alur kerja pembelajaran mesin. Scikit-learn menyediakan API konsisten untuk berbagai tugas pembelajaran mesin:

  • Pembelajaran terawasi: klasifikasi, regresi
  • Pembelajaran tak terawasi: klastering, reduksi dimensi
  • Pemilihan dan evaluasi model
  • Pra-pemrosesan data dan rekayasa fitur

Fitur utama meliputi:

  • API fit/predict yang konsisten di seluruh model
  • Alat cross-validation
  • Pembuatan pipeline untuk alur kerja menyeluruh
  • Dokumentasi dan contoh yang luas

Integrasi pustaka ini dengan pandas dan NumPy memungkinkan penerapan teknik pembelajaran mesin secara mulus dalam alur kerja analisis data.

Terakhir diperbarui:

Laporkan Masalah
Ingin membaca buku lengkapnya?

Unduh PDF

Untuk menyimpan ringkasan Python untuk Analisis Data ini, unduh PDF gratis. Anda bisa mencetaknya atau membacanya secara offline kapan saja.
Download PDF

Unduh EPUB

Untuk membaca ringkasan Python untuk Analisis Data ini di perangkat atau aplikasi e-reader, unduh EPUB gratis. Format buku digital .epub ideal untuk membaca ebook di ponsel, tablet, dan e-reader.
Download EPUB
Ingin membaca buku lengkapnya?
Ikuti
Dengarkan
Beranda
Swipe
Pustaka
Aplikasi
Coba Akses Penuh Selama 3 Hari
Dengarkan, tandai, dan lainnya
Bandingkan Fitur Gratis Pro
📖 Baca Ringkasan
Baca ringkasan tanpa batas. Pengguna gratis mendapat 3 per bulan
🎧 Dengarkan Ringkasan
Dengarkan ringkasan tanpa batas dalam 40 bahasa
—
❤️ Bookmark Tanpa Batas
Pengguna gratis dibatasi 4
—
📜 Riwayat Tanpa Batas
Pengguna gratis dibatasi 4
—
📥 Unduhan Tanpa Batas
Pengguna gratis dibatasi 1
—
Timeline Tanpa Risiko
Hari Ini: Dapatkan Akses Instan
Dengarkan ringkasan lengkap dari 26.000+ buku. Itu 12.000+ jam audio!
Hari ke-2: Pengingat Uji Coba
Kami akan mengirimkan notifikasi bahwa uji coba Anda akan segera berakhir.
Hari ke-3: Langganan Anda dimulai
Anda akan dikenakan biaya pada 24 Nov,
batalkan kapan saja sebelumnya.
Consume 2.8× More Books
2.8× buku lagi Mendengarkan Membaca
Pengguna kami menyukai kami
1M+ pembaca
Trustpilot Rating
TrustPilot
4.6 Luar Biasa
Situs ini benar-benar mengubah segalanya. Saya membaca ringkasan buku dengan sangat cepat seperti belum pernah sebelumnya. Sangat, sangat direkomendasikan.
— Dave G
Sepadan dengan uang dan waktu saya, dan dibuat dengan sangat baik. Saya belum pernah melihat kualitas ringkasan seperti ini di situs lain. Sangat membantu!
— Em
Sangat direkomendasikan!! Layanan yang luar biasa. Sempurna bagi mereka yang menginginkan lebih dari sekadar cuplikan tetapi tidak semua detail rumit dari buku audio lengkap.
— Greg M
Hemat 62%
Tahunan
$119.88 $44.99/tahun/thn
$3.75/bln
Bulanan
$9.99/bln
Mulai Uji Coba Gratis 3 Hari
3 hari gratis, lalu $44.99/tahun. Batalkan kapan saja.
Unlock a world of fiction & nonfiction books
26.000+ buku dengan harga 2 buku
Baca buku apa pun dalam 10 menit
Temukan buku baru seperti Tinder
Minta buku apa pun jika belum diringkas
Baca lebih banyak buku dari siapa pun yang Anda kenal
Aplikasi #1 untuk pecinta buku
Lifelike & immersive summaries
Garansi uang kembali 30 hari
Unduh ringkasan dalam format EPUB atau PDF
Batalkan kapan saja dengan beberapa klik

Mengapa hanya satu ringkasan?

Pemindai
Temukan kode batang untuk dipindai

⭐
⭐
⭐
Kami punya hadiah spesial untuk Anda
Buka
Diskon 38%
DISKON UNTUK ANDA
⭐
⭐
⭐
$79.99
$49.99/tahun
Hanya $4.16 per bulan
Lanjutkan
Mulai dengan 2 ketukan, mudah dibatalkan
Pengaturan
Umum
Widget
Memuat...