Python : Bisa Digunakan untuk Data Wrangling

Data wrangling merupakan kegiatan penyeragaman datau atau pembersihan data kotor sehingga menjadi data bersih yang siap digunakan untuk proses analisis data. Data kotor seperti data yang tidak lengkap, tidak konsisten, terdapat banyak missing value, dan lain-lain akan mempersulit proses analisis data dan menghasilkan output yang kurang sesuai. Dengan besarnya jumlah data yang tersedia dan berkembang dengan sangat cepat pada masa kini maka kita perlu pula mengorganisir data tersebut agar mudah dianalisis.

Proses ini akan membutuhkan waktu yang cukup lama dikarenakan harus dilakukan dengan cara yang benar sampai data tersebut bersih. Namun akan lebih lama lagi waktu yang diperlukan jika kita memiliki hambatan dalam permasalahan data di tengah-tengah proses analisis. Oleh karena itu lamanya proses tersebut sebanding dengan kemudahan dalam analisis data nantinya. Jika proses pembersihan data sudah selesai maka data dapat dilakukan proses analisis data sesuai dengan tujuan kegiatan atau penelitian data tersebut.

Pada sesi kali ini kita akan mengulas mengenai data wrangling dengan Python

1. Library dalam Python

Library dalam bahasa pemrograman memiliki arti berbeda dengan library (perpustakaan). Dalam bahasa pemrograman, library merupakan sebutan untuk kode program tambahan yang dapat digunakan untuk kebutuhan tertentu. Python sendiri memiliki sangat banyak library, yaitu lebih dari 140.000 library. Dari sekian banyak library dalam Python terdapat beberapa library yang cukup sering digunakan untuk analisis data seperti  NumPy, Matplotlib, SciPy, TensorFlow, PyBrain dan Pandas. Setiap library memiliki kegunaan masing-masing dalam proses analisis data.

Baca juga : Belajar Data Science: Kenali Dasar Bahasa Pemrograman Python yang Cocok bagi Pemula

2. Proses Data Wrangling

Terdapat beberapa proses data wrangling yang dapat dilakukan, yaitu:

• Mengenali data yang digunakan

• Memahami struktur data mentah

• Membersihkan data

• Menyimpan data yang telah dibersihkan

• Memvalidasi data yang digunakan

• Menyiapkan data dan mendokumentasikan proses data wangling agar lebih mudah dipahami.

3. Fungsi Data Wrangling pada Python

Terdapat beberapa fungsi  yang cukup sering digunakan antara lain

• fungsi .shape yang digunakan untuk melihat ukuran dataset

• fungsi .info untuk melihat apakah dalam data terdapat missing value atau tidak

• fungsi .describe untuk melihat statistika deskripsi dari data

• fungsi .columns untuk melihat nama kolom pada dataset

Baca juga :  Python : Kenali 3 Buku yang Akan Mempercepat Kamu Dalam Belajar Python

4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!       

Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:

1. Buat Akun Gratis dengan Signup di DQLab.id/signup

2. Buka academy.dqlab.id dan pilih menu redeem voucher 

3. Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi. 

4. Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.

Penulis: Latifah Uswatun

Editor : Annissawd