Memahami teknik slicing data dalam Python merupakan langkah awal bagi siapa pun yang ingin menguasai analisis dan manipulasi data.

Slicing, dengan segala kemudahannya, memungkinkan kamu untuk mengakses, memilih, dan memodifikasi data secara efisien.

Dalam praktiknya, slicing data tidak hanya tentang memotong bagian dari list atau array, tetapi juga memanfaatkan Python untuk mengolah data dengan cepat dan tepat. Baik sedang berurusan dengan beberapa elemen data maupun dataset besar, menguasai slicing akan mempercepat workflow analisis datamu.

Artikel ini akan menjelaskan konsep dasar slicing, memberikan contoh yang aplikatif, dan menunjukkan bagaimana teknik ini dapat diterapkan pada berbagai kondisi. Selamat mengeksplorasi!

Cara Melakukan Slicing Data dengan Python

Ada beberapa cara untuk melakukan slicing data dengan Python:

#1 Slicing pada list atau array

Python menyediakan sintaks slicing yang intuitif dan mudah digunakan untuk memilih elemen atau rentang elemen dalam list atau array.

Sintaks dasar untuk slicing adalah:

• start adalah indeks awal (inklusif)
• stop adalah indeks akhir (eksklusif)
• step adalah ukuran langkah antar elemen yang dipilih

Contoh penggunaan

Misalkan kamu memiliki list berikut:

Untuk memilih elemen dari 4 sampai 6, kamu bisa menggunakan slicing seperti ini:

Output:

Kita menggunakan angka 3:6 untuk menentukan posisi awal dan akhir karena dalam Python, penghitungan indeks dimulai dari angka 0.

Ketika kita ingin mengambil elemen keempat, kita mulai dari indeks ke-3 (ingat, indeks dimulai dari 0, jadi elemen keempat berada di indeks ke-3). Karena aturan inklusif untuk indeks awal, kita menulisnya sebagai 3. Kemudian, untuk mencapai elemen keenam, kita berhenti sebelum indeks ke-6 (karena aturan eksklusif untuk indeks akhir, kita tidak menyertakan elemen pada indeks ini dalam pemotongan kita).

Jadi, meskipun kita ingin sampai ke elemen keenam, kita menulis indeks stop sebagai 6.

#2 Menggunakan .iloc dan .loc untuk slicing data pada DataFrame

Dalam analisis data, sering kali kamu akan bekerja dengan DataFrame di library Pandas, yaitu struktur data dua dimensi dengan label baris dan kolom.

Metode .iloc sangat berguna untuk melakukan slicing data berdasarkan posisi indeks integer, dengan format penulisan iloc[baris, kolom].

Misalkan kamu memiliki DataFrame df:

Kamu ingin memilih baris kedua dan ketiga, serta kolom pertama dan kedua (df.iloc[1:3, 0:2]).

Untuk memilih baris kedua dan ketiga, serta kolom pertama dan kedua, kamu bisa menggunakan .iloc seperti ini:

Hasilnya akan menampilkan data yang sesuai dengan baris dan kolom yang dipilih.

Berbeda dengan .iloc, metode .loc dipakai untuk melakukan slicing data berdasarkan label. Ini sangat berguna ketika kamu ingin memilih data dengan menggunakan nama kolom atau label baris.

Sebagai contoh, jika ingin memilih baris dengan label 1 dan 2, serta kolom Nama dan Umur menggunakan .loc, kamu bisa menerapkan cara ini:

Perhatikan bahwa, berbeda dengan .iloc, saat menggunakan .loc indeks akhir adalah inklusif.

Output:

#3 Menggunakan kriteria pada data itu sendiri

Selain menggunakan indeks, kamu juga bisa melakukan slicing data berdasarkan kriteria tertentu pada data itu sendiri, seperti label kolom atau nilai data.

Misalkan dengan DataFrame df yang sama, kamu ingin memilih baris dengan umur lebih dari 30 tahun:

Atau jika ingin memilih data dengan lebih dari satu kondisi, kamu bisa menggunakan:

Output:

FAQ (Frequently Ask Question)

Dapatkah menggunakan slicing untuk membalikkan data di Python?

Ya, kamu dapat menggunakan slicing untuk membalikkan data di Python. Teknik ini sangat efisien dan sering dipakai untuk membalikkan urutan elemen dalam list, tuple, atau string.

Kamu dapat menggunakan step negatif (-1) dalam operasi slicing.

Berikut adalah cara umum untuk membalikkan data menggunakan slicing:

Untuk list

Untuk tuple

Untuk string

Dalam contoh-contoh di atas, [::-1] menandakan operasi slicing dimulai dari elemen terakhir menuju elemen pertama dengan langkah -1.

Bagaimana cara melakukan slicing pada list yang berisi list (nested list) di Python?

Melakukan slicing pada nested list di Python memerlukan pemahaman tentang cara mengakses elemen-elemen pada setiap level dari list tersebut. Kamu bisa melakukan slicing pada level terluar untuk memilih subset dari nested list. Selain itu, kamu juga dapat melakukan slicing atau pemilihan elemen pada list di dalamnya.

Berikut cara untuk melakukan keduanya:

Slicing untuk memilih subset dari nested list

Mengakses dan melakukan slicing pada list di dalam nested list

Untuk mengakses dan melakukan slicing pada list yang berada di dalam nested list, kamu perlu terlebih dahulu mengakses list tersebut menggunakan indeks, kemudian melakukan slicing atau pemilihan elemen seperti biasa.

Apakah slicing data di Python memengaruhi data asli?

Pada umumnya, slicing data di Python tidak langsung memengaruhi data asli. Ketika kamu melakukan slicing pada objek seperti list, string, atau tuple, Python akan membuat copy baru dari bagian data yang kamu pilih dengan operasi slicing tersebut.

Artinya, perubahan yang kamu lakukan pada hasil slice tidak akan memengaruhi data asli.