# Referensi Cepat pandas

*DataFrame, seleksi, agregasi, penggabungan, dan lainnya*

> Source: pandas Documentation (pandas.pydata.org) · MIT

## DataFrame

### Membuat DataFrame

```
import pandas as pd
df = pd.DataFrame({
    "name": ["Alice", "Bob", "Carol"],
    "age": [25, 30, 35],
    "score": [88, 92, 79]
})
```

### Inspeksi

| Command | Description |
|---------|-------------|
| `df.head(n)` | n baris pertama (default 5) |
| `df.tail(n)` | n baris terakhir |
| `df.shape` | Tuple (baris, kolom) |
| `df.dtypes` | Tipe data setiap kolom |
| `df.info()` | Tipe kolom, jumlah non-null |
| `df.describe()` | Statistik untuk kolom numerik |
| `df.columns` | Nama kolom sebagai Index |
| `df.index` | Label baris |

## Membaca Data

### Reader Umum

```
df = pd.read_csv("data.csv")
df = pd.read_excel("data.xlsx")
df = pd.read_json("data.json")
df = pd.read_sql(query, connection)
```

### Menulis Data

```
df.to_csv("out.csv", index=False)
df.to_excel("out.xlsx", index=False)
df.to_json("out.json", orient="records")
```

### Opsi Baca

| Command | Description |
|---------|-------------|
| `sep=";"` | Delimiter kustom |
| `header=None` | Tidak ada baris header di file |
| `usecols=[0,2]` | Hanya baca kolom tertentu |
| `nrows=100` | Baca 100 baris pertama |
| `na_values=["N/A"]` | Perlakukan sebagai NaN |

## Seleksi

### Kolom

```
df["name"]              # kolom tunggal (Series)
df[["name", "age"]]     # beberapa kolom (DataFrame)
df.name                 # akses atribut (nama sederhana)
```

### Baris dengan loc / iloc

```
df.loc[0]              # baris berdasarkan label
df.loc[0:2, "name"]    # baris 0-2, kolom "name"
df.iloc[0]             # baris berdasarkan posisi
df.iloc[0:2, 0:2]     # 2 baris dan 2 kolom pertama
```

### loc vs iloc

| Command | Description |
|---------|-------------|
| `df.loc[row, col]` | Pilih berdasarkan **label** (akhir inklusif) |
| `df.iloc[row, col]` | Pilih berdasarkan **posisi** (akhir eksklusif) |
| `df.at[row, col]` | Akses scalar cepat berdasarkan label |
| `df.iat[row, col]` | Akses scalar cepat berdasarkan posisi |

## Filter

### Filter Boolean

```
df[df["age"] > 25]
df[df["name"].str.contains("li")]
df[(df["age"] > 25) & (df["score"] > 80)]
df[df["name"].isin(["Alice", "Bob"])]
```

### Penanganan Data Hilang

```
df.isna().sum()          # jumlah NaN per kolom
df.dropna()              # hapus baris dengan NaN
df.fillna(0)             # isi NaN dengan 0
df["col"].fillna(df["col"].mean())
```

### Pengurutan

```
df.sort_values("age")                # ascending
df.sort_values("age", ascending=False)
df.sort_values(["age", "score"])      # multi kolom
```

## Agregasi

### Agregasi Umum

| Command | Description |
|---------|-------------|
| `df["col"].sum()` | Jumlah kolom |
| `df["col"].mean()` | Rata-rata |
| `df["col"].median()` | Median |
| `df["col"].std()` | Standar deviasi |
| `df["col"].min() / .max()` | Min / maks |
| `df["col"].count()` | Jumlah non-null |
| `df["col"].nunique()` | Jumlah nilai unik |
| `df["col"].value_counts()` | Frekuensi setiap nilai |

### Beberapa Agregasi

```
df.agg({"age": "mean", "score": ["min", "max"]})
df.describe()  # statistik ringkasan untuk semua numerik
```

## GroupBy

### Pengelompokan Dasar

```
df.groupby("dept")["salary"].mean()
df.groupby("dept").agg(
    avg_sal=("salary", "mean"),
    count=("salary", "count")
)
```

### Beberapa Grup

```
df.groupby(["dept", "year"])["sales"].sum()
df.groupby("dept").size()  # baris per grup
```

### Transform & Apply

```
df["z_score"] = df.groupby("dept")["salary"] \
    .transform(lambda x: (x - x.mean()) / x.std())
df.groupby("dept").apply(lambda g: g.nlargest(3, "salary"))
```

## Penggabungan

### Merge (Join Gaya SQL)

```
pd.merge(df1, df2, on="id")          # inner
pd.merge(df1, df2, on="id", how="left")
pd.merge(df1, df2, left_on="uid",
         right_on="user_id")
```

### Tipe Join

| Command | Description |
|---------|-------------|
| `how="inner"` | Hanya baris yang cocok (default) |
| `how="left"` | Semua baris kiri, NaN jika tidak cocok |
| `how="right"` | Semua baris kanan |
| `how="outer"` | Semua baris dari kedua sisi |

### Concatenation

```
pd.concat([df1, df2])             # susun baris
pd.concat([df1, df2], axis=1)     # berdampingan
pd.concat([df1, df2], ignore_index=True)
```

## Pivot Table

### Pivot Table

```
df.pivot_table(
    values="sales", index="region",
    columns="quarter", aggfunc="sum"
)
```

### Reshaping

```
df.melt(id_vars=["name"],
        value_vars=["q1", "q2"],
        var_name="quarter", value_name="sales")
```

### Cross Tabulation

```
pd.crosstab(df["dept"], df["gender"])
pd.crosstab(df["dept"], df["gender"],
            normalize="index")  # persentase per baris
```

## Time Series

### Dasar DateTime

```
df["date"] = pd.to_datetime(df["date"])
df["year"] = df["date"].dt.year
df["month"] = df["date"].dt.month
df["weekday"] = df["date"].dt.day_name()
```

### Rentang Tanggal & Resampling

```
pd.date_range("2025-01-01", periods=12, freq="ME")
df.set_index("date").resample("ME")["sales"].sum()
```

### Atribut Accessor

| Command | Description |
|---------|-------------|
| `.dt.year / .dt.month / .dt.day` | Ekstrak komponen tanggal |
| `.dt.hour / .dt.minute` | Ekstrak komponen waktu |
| `.dt.day_name()` | Nama hari (Monday, dll.) |
| `.dt.days_in_month` | Jumlah hari dalam bulan tersebut |

## Pola Umum

### Ganti Nama Kolom

```
df.rename(columns={"old": "new"})
df.columns = ["a", "b", "c"]  # ganti semua
```

### Tambah / Modifikasi Kolom

```
df["total"] = df["q1"] + df["q2"]
df["grade"] = df["score"].apply(
    lambda x: "A" if x >= 90 else "B"
)
```

### Hapus Kolom / Baris

```
df.drop(columns=["temp"])
df.drop_duplicates(subset=["name"])
df.reset_index(drop=True)
```

### Operasi String

```
df["name"].str.lower()
df["name"].str.contains("ali", case=False)
df["name"].str.split(" ").str[0]  # nama depan
```