Pivot table adalah fitur dalam Pandas untuk manipulasi data. Dengan pivot table, kamu bisa lebih cepat mengelompokkan dan merangkum data besar untuk menemukan pola atau insight yang berguna.

Selain menghemat waktu, fungsi ini juga memperjelas visualisasi data, yang sangat penting dalam pengambilan keputusan berbasis data.

Penggunaan pivot table dalam Pandas memungkinkan kita untuk memilah data menurut kriteria tertentu, mengagregasikan informasi penting dalam bentuk yang lebih sederhana dan mudah dipahami.

Dalam artikel ini, kita akan menjelajahi kekuatan pivot table dalam Pandas—dari konsep dasar sampai penerapan lebih kompleks yang bisa membantu berbagai kasus analisis data. Siapkan dirimu untuk menggali lebih dalam!

Cara dan Contoh Membuat Pivot Table dengan Pandas

Berikut langkah-langkah membuat pivot table dengan Pandas:

• Impor library Pandas: pastikan kamu telah mengimpor pandas untuk memanipulasi data.
• Siapkan atau load dataset: siapkan dataset yang ingin dianalisis. Kamu bisa membuat dataset menggunakan dictionary dan mengkonversinya ke DataFrame, atau me-load data dari file eksternal.
• Gunakan fungsi pivot_table: gunakan fungsi ini untuk membuat pivot table. Tentukan nilai (values), indeks (index), kolom (columns), dan fungsi agregasi (aggfunc).

Sebagai contoh, kita memiliki tabel data awal sebagai berikut:

Contoh 1: total penjualan per kota

Dalam contoh ini, kita akan membuat pivot table untuk mengetahui total penjualan per kota.

Lalu gunakan fungsi pivot_table untuk membuat tabel pivot. Misalnya, kita ingin melihat total penjualan per produk di setiap kota.

Output:

Contoh 2: rata-rata penjualan per produk

Contoh ini akan menunjukkan rata-rata penjualan untuk setiap produk di semua kota.

Output:

Contoh 3: jumlah penjualan per produk dan kota

Dalam contoh ini, kita akan membuat pivot table yang lebih detail dengan menunjukkan jumlah penjualan per produk dan per kota.

Output:

Cara Menambahkan Multiple Aggregation dalam Satu Pivot Table

Menambahkan multiple aggregation atau lebih dari satu fungsi agregasi dalam satu pivot table menggunakan Pandas memungkinkan kamu melakukan analisis yang lebih mendalam dan multifaset pada dataset yang sama.

Cara ini berguna ketika kamu ingin memperoleh berbagai perspektif dari data yang sama dalam satu tampilan rapi.

Berikut langkah-langkah untuk menambahkan multiple aggregation dalam satu pivot table:

#1 Impor library Pandas: pastikan kamu telah mengimpor pandas untuk memanipulasi data.

#2 Siapkan dataset: siapkan dataset yang ingin kamu analisis. Sebagai contoh, kita akan menggunakan dataset penjualan produk.

#3 Buat pivot table dengan multiple aggregation: gunakan parameter aggfunc di dalam pivot_table() dan berikan list fungsi agregasi yang diinginkan. Kamu bisa mengagregasi data menggunakan sum, mean, max, min, count, dan lain-lain.

Pivot table yang dihasilkan akan menampilkan sum, mean, dan max dari penjualan untuk setiap produk:

Dalam contoh di atas, kolom 'sum' menunjukkan total penjualan, 'mean' rata-rata penjualan, dan 'max' penjualan tertinggi untuk setiap produk.

FAQs (Frequently Asked Questions)

Bagaimana cara membalik (transpose) pivot table?

Untuk membalik atau transpose sebuah pivot table di Pandas, gunakan metode .transpose() atau shortcut-nya .T. Ini akan mengubah baris menjadi kolom dan sebaliknya, sehingga memudahkan analisis data dari perspektif berbeda atau untuk keperluan presentasi data.

• Buat pivot table: pertama, buat pivot table dari dataset kamu sesuai kebutuhan analisis.
• Gunakan .transpose(): setelah pivot table selesai dibuat, panggil metode .transpose() pada objek pivot table tersebut.

Apa itu fill_value dan bagaimana cara menggunakannya dalam pivot table?

Parameter fill_value dalam fungsi pivot_table dari Pandas berguna untuk menggantikan nilai NaN (Not a Number) yang mungkin muncul di dalam tabel pivot.

Ketika kamu melakukan pivot, ada kalanya kombinasi dari indeks dan kolom yang kamu tentukan tidak memiliki data sesuai, yang mengakibatkan nilai NaN. Menggunakan fill_value memungkinkan kamu menetapkan nilai pengganti untuk kasus-kasus tersebut, sehingga tabel menjadi lebih rapi dan mudah dianalisis.

Cara menggunakan fill_value dalam pivot table:

• Tentukan nilai yang ingin digunakan sebagai pengganti: nilai ini bisa apa saja yang masuk akal dalam konteks data kamu (seperti 0), sebuah string (misalnya 'Tidak Ada Data'), atau nilai lain.
• Tambahkan fill_value ke fungsi pivot_table: saat memanggil pivot_table, tambahkan parameter fill_value dan berikan nilai yang telah kamu tentukan.