Catatan: Pada Python versi 3.7, dictionary berurutan. Di Python 3.6 dan sebelumnya, dictionary tidak berurutan.
Dictionary berurutan mulai dari nilai pertama hingga terakhir, akan tetapi dictionary tidak disusun menggunakan index.- Dapat diubah
Dictionary dapat diubah, artinya kita dapat mengubah, menambah, atau menghapus item setelah kamus dibuat.
- Tidak di izin kan nilai duplikat
Dictionarytidak boleh memiliki nilai yang sama, jika masih memaksakan maka hanya nilai yang paling terakhir akan dibaca
Contoh dictionary bernilai sama
dictionary = { "merek": "Honda", "model": "beat", "tahun": 2016, #variablesama "tahun": 2020 #variabelsama } print(dictionary) Hasilnya: {'merek': 'Honda', 'model': 'beat', 'tahun': 2020}Mengakses nilai dalam dalam dictionary
Selain bisa mencetak dictonary secara sekaligus kita juga bisa mengaksesnya satu persatu sesuai nilai yang di tentukan, Perhatikan contoh dibawah
Contoh:
#Cara akses dictionary python dict = {'Nama': 'Lili', 'Umur': 18, 'Kelas': '7'} print ("Nama: ", dict['Name']) #Penulisan namavariable['Nilai'] print ("Umur ", dict['Umur'])Mengubah nilai di dalam dictionary
Cara mengubah nilai yang sudah ada dapat mengubah nilai yang sudah ada
Contoh :
dict = {'Merek': 'Honda', 'Model': 'Beat'} dict['Merek'] = 'Yamaha'; # Mengubah entri yang sudah ada print(dict['Merek'])#akan menampilkan nilai yang baru diubahMenambah entry baru dictionary
Cara menambah entri baru
Contoh :
#Menambah nilai baru dict = {'Nama': 'lili', 'Umur': 14, 'Kelas': '8'} dict['Sekolah'] = "SMP1" # Menambah entri baru print (dict['Sekolah'])#Akan menampilkan nilai dari entry yang baru ditambahMenambah mengubah seluruh isi dictionary
Cara mengubah seluruh isi dari dictionary menggunakan method update()
Contoh :
#Menambah nilai baru dict = {'Nama': 'lili', 'Umur': 14, 'Kelas': '8'} dict.update({'Nama': 'kevin', 'Umur': 15, 'Kelas': '9'}) print (dict)#Akan menampilkan seluruh isi dictionary yang baru ditambahMenghapus atribut dari dictionary
Untuk menghapus dictionary ada beberapa cara, bisa menghapus hanya atribut maupun seluruh nilai di dalam dictionary tersebut
Contoh
dict = {'Nama': 'Lili', 'Kelas': 'Reguler'} del dict['Nama'] # hapus entri dengan key 'Nama' dict.clear() # hapus semua entri di dict del dict # hapus seluruh dictionary print (dict)Beberapa method dictionary beserta penjelasan
FungsiPenjelasancmp(dict1, dict2)Membandingkan unsur keduanya.len(dict)Memberikan panjang total Dictionary. Ini sama dengan jumlah item dalam Dictionary.str(dict)Menghasilkan representasi string yang dapat dicetak dari Dictionarytype(variable)Mengembalikan tipe variabel yang lulus. Jika variabel yang dilewatkan adalah Dictionary, maka akan mengembalikan tipe Dictionary.dict.clear()Menghapus semua elemen Dictionarydict.copy()Mengembalikan salinan Dictionarydict.fromkeys()Buat Dictionary baru dengan kunci dari seq dan nilai yang disetel ke nilai.dict.get(key, default=None)For key, nilai pengembalian atau default jika tombol tidak ada dalam Dictionarydict.has_key(key)Mengembalikan true jika key dalam Dictionary, false sebaliknyadict.items()Mengembalikan daftar dari pasangan tuple dictionary (key, value)dict.keys()Mengembalikan daftar key dictionarydict.setdefault(key, default=None)Mirip dengan get (), tapi akan mengatur dict [key] = default jika kunci belum ada di dictdict.update(dict2)Menambahkan pasangan kunci kata kunci dict2 ke dictdict.values()Mengembalikan daftar nilai dictionary
Python telah menyediakan built-in function yang dapat langsung kita gunakan di Pandas yang berguna untuk analisis data yang jumlahnya cukup banyak, mungkin ratusan. Ada beberapa function yang sering digunakan dan pastinya perlu diketahui oleh para pemula. Berikut 20+ function dasar di Pandas Python.
Sebelumnya mari kita buat dataframe terlebih dahulu seperti di bawah ini.
import pandas as pd
import numpy as np
import random
data = {'Mata Kuliah': ['Algoritma', 'Kalkulus', 'Metode Kuantitatif', 'Data Mining', 'Pemrograman']*2,
'Tipe Ujian': ['UTS']*5 + ['UAS']*5,
'Jumlah Mahasiswa': [30, 34, 28, 29, 32, 30, 31, 27, np.nan, 28],
'Nilai Rata-rata Kelas': [random.choice(range(60, 85)) for i in range(10)]}
df = pd.DataFrame(data)
df
Output:
head()
head() digunakan untuk menampilkan data awal atau data teratas pada dataframe. Default-nya jika kita tidak memberikan argumen di dalam tanda kurung (), data yang akan ditampilkan adalah 5 baris teratas. Namun, kita juga dapat menentukan berapa baris data yang ingin ditampilkan dengan memberikan argumen berupa bilangan integer.
tail()
tail() digunakan untuk menampilkan data terbawah pada dataframe. Sama halnya dengan head(), nilai default tail() adalah 5.
Baca juga: Membuat Dataframe dari List dengan zip() Function di Python
sample()
sample() digunakan untuk menampilkan contoh data secara acak. Default-nya adalah 1, namun kita dapat memberikan bilangan integer sebagai argumen jika menginginkan sampel data lebih dari 1.
info()
info() digunakan untuk menampilkan informasi detail tentang dataframe, seperti jumlah baris data, nama-nama kolom berserta jumlah data dan tipe datanya, dan sebagainya.
describe()
describe() digunakan untuk menampilkan deskriptif statistik data. Hanya kolom yang bertipe numerik yang akan ditampilkan statistiknya.
set_index()
set_index() digunakan untuk mengatur indeks dari dataframe. Kita dapat menjadikan kolom sebagai indeks ataupun menentukan indeks baru dengan set_index().
Baca juga: Penjelasan Parameter inplace=True di Pandas Untuk Pemula
reset_index()
head()1 digunakan untuk me-reset indeks yang telah ter-set dan menjadikan indeksnya default, yaitu berupa bilangan integer yang dimulai dari 0.
count()
head()2 digunakan untuk menghitung jumlah baris data yang tidak bernilai NaN pada dataframe.
sum()
head()3 digunakan untuk menjumlahkan bilangan numerik pada dataframe berdasarkan kolom.
mean()
head()4 digunakan untuk menghitung nilai rata-rata dari sebuah kolom numerik di dataframe.
unique()
head()5 digunakan untuk menampilkan nilai unik dari suatu kolom.
isna()
head()6 digunakan untuk mengecek apakah ada nilai NaN pada dataframe. Function ini akan mengembalikan nilai Boolean, True atau False, untuk tiap elemen di dataframe. Kita juga dapat menambahkan function head()7 untuk mengecek nilai NaN berdasarkan kolom.
replace()
head()8 digunakan untuk mengganti sebuah nilai pada dataframe. Misalnya disini kita mengganti nilai NaN yang ada di dataframe dengan 30.
astype()
head()9 digunakan untuk mengubah tipe data dari sebuah kolom di dataframe. Misalnya disini kita mengubah tipe data kolom ‘Jumlah Mahasiswa’ dari yang tadinya ‘float’ menjadi ‘int’.
isin()
()0 digunakan untuk mengecek apakah ada elemen tertentu di dalam dataframe. Function ini mengembalikan nilai Boolean, True atau False, untuk tiap elemen pada dataframe. Kita juga dapat menambahkan function head()7 untuk mengecek keberadaan suatu elemen pada kolom tertentu.
Baca juga: Menjadikan Kolom Sebagai Indeks pada Dataframe Pandas
dtypes
()2 digunakan untuk mengecek tipe data untuk tiap kolom di dataframe. Bisa juga digunakan untuk mengecek tipe data salah satu kolom.