Part 3 — Struktur Data II: DataFrame

Fundamental Series — Part 3 of 20

DataFrame adalah struktur data paling penting untuk analisis data di Python. Bayangkan spreadsheet: baris = observasi, kolom = variabel. Part ini membahas DataFrame dari library pandas.

Membuat DataFrame

import pandas as pd

df = pd.DataFrame({
    "kota": ["Jakarta", "Bandung", "Surabaya", "Medan", "Makassar"],
    "populasi": [10.56, 2.44, 2.87, 2.12, 1.42],
    "pulau": ["Jawa", "Jawa", "Jawa", "Sumatera", "Sulawesi"]
})

df

       kota  populasi     pulau
0   Jakarta     10.56      Jawa
1   Bandung      2.44      Jawa
2  Surabaya      2.87      Jawa
3     Medan      2.12  Sumatera
4  Makassar      1.42  Sulawesi

pandas vs polars

Tutorial ini menggunakan pandas (library paling populer). Alternatif modern: polars — lebih cepat dan memori-efisien. Sintaksnya sedikit berbeda, akan dibahas di part manipulasi data.

Memeriksa Struktur

# Dimensi
df.shape       # (5, 3) — 5 baris, 3 kolom
len(df)        # 5 (jumlah baris)

# Info lengkap — tipe data, non-null count
df.info()

# Tipe data setiap kolom
df.dtypes

# Nama kolom
df.columns     # Index(['kota', 'populasi', 'pulau'])

# Beberapa baris pertama / terakhir
df.head(3)
df.tail(2)

Output df.info():

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 3 columns):
 #   Column    Non-Null Count  Dtype
---  ------    --------------  -----
 0   kota      5 non-null      object
 1   populasi  5 non-null      float64
 2   pulau     5 non-null      object
dtypes: float64(1), object(2)

df.info() sangat berguna — langsung terlihat jumlah baris, kolom, tipe data, dan missing values.

Mengakses Kolom

# Dengan titik (dot notation)
df.kota              # Series

# Dengan bracket (lebih aman — selalu berhasil)
df["kota"]           # Series
df[["kota"]]         # DataFrame (1 kolom)
df[["kota", "populasi"]]  # DataFrame (beberapa kolom)

df["x"] vs df[["x"]]

Sintaks	Return	Tipe
`df["kota"]`	Series	Seperti vektor
`df[["kota"]]`	DataFrame	Tabel 1 kolom
`df.kota`	Series	Shortcut (tidak bisa kalau nama kolom ada spasi)

Mengakses Baris & Sel

`iloc` — Index-based (posisi angka)

df.iloc[0]           # baris pertama (Series)
df.iloc[0:3]         # baris 0, 1, 2 (DataFrame)
df.iloc[0, 1]        # sel: baris 0, kolom 1 → 10.56
df.iloc[:, 0:2]      # semua baris, kolom 0 dan 1

`loc` — Label-based (nama)

df.loc[0]                    # baris dengan index 0
df.loc[0:2]                  # baris index 0 sampai 2 (inklusif!)
df.loc[0, "populasi"]        # sel: index 0, kolom "populasi"
df.loc[:, ["kota", "pulau"]] # semua baris, kolom tertentu

iloc vs loc

iloc → posisi (integer). Slicing eksklusif: [0:3] = index 0,1,2
loc → label. Slicing inklusif: [0:2] = index 0,1,2

Perbedaan ini sering membingungkan pemula!

Filter Baris dengan Kondisi

# Kota di Pulau Jawa
df[df["pulau"] == "Jawa"]

# Populasi > 2.5 juta
df[df["populasi"] > 2.5]

# Kombinasi kondisi (pakai & dan |, bukan and/or)
df[(df["pulau"] == "Jawa") & (df["populasi"] > 3)]

Menambah & Mengubah Kolom

# Tambah kolom baru
df["luas"] = [661.5, 167.7, 350.5, 265.1, 175.8]

# Buat kolom dari perhitungan
df["kepadatan"] = df["populasi"] / df["luas"] * 1e6

# Ubah kolom yang ada
df["populasi"] = df["populasi"] * 1e6

Menghapus Kolom

# drop — tidak mengubah df asli (kecuali inplace=True)
df.drop(columns=["kepadatan"])

# Atau langsung ubah
df = df.drop(columns=["kepadatan"])

Menambah Baris

baris_baru = pd.DataFrame({
    "kota": ["Semarang"],
    "populasi": [1.65],
    "pulau": ["Jawa"]
})

df = pd.concat([df, baris_baru], ignore_index=True)

Statistik Cepat

# Statistik deskriptif semua kolom numerik
df.describe()

# Per kolom
df["populasi"].mean()
df["populasi"].median()
df["populasi"].std()
df["populasi"].min()
df["populasi"].max()

# Hitung frekuensi
df["pulau"].value_counts()

Latihan

Latihan 3.1 — Buat DataFrame

import pandas as pd

# Buat DataFrame "provinsi" dengan kolom:
# - nama: 5 nama provinsi
# - ibukota: 5 nama ibukota
# - populasi: 5 angka populasi (juta jiwa)
# - pulau: 5 nama pulau

# 1. Tampilkan info DataFrame (df.info())
# 2. Berapa dimensinya? (shape)
# 3. Tampilkan hanya kolom nama dan populasi

Latihan 3.2 — Akses & Filter

# Gunakan dataset berikut:
import seaborn as sns
tips = sns.load_dataset("tips")

# 1. Berapa jumlah baris dan kolom?
# 2. Tampilkan 5 baris pertama
# 3. Tampilkan kolom total_bill dan tip saja
# 4. Filter: baris dengan total_bill > 40
# 5. Filter: day == "Sun" DAN tip > 5

Latihan 3.3 — Modifikasi

import seaborn as sns
tips = sns.load_dataset("tips")

# 1. Tambahkan kolom tip_pct = (tip / total_bill) * 100
# 2. Berapa rata-rata tip_pct?
# 3. Tambahkan kolom kategori = "generous" jika tip_pct > 18, "normal" jika tidak
#    (hint: np.where())
# 4. Hitung frekuensi generous vs normal (value_counts())

Ringkasan

Konsep	Keterangan
`pd.DataFrame({...})`	Buat DataFrame
`df.info()`	Info struktur (tipe, missing)
`df.shape`	Dimensi (baris, kolom)
`df["col"]`	Akses kolom → Series
`df[["col"]]`	Akses kolom → DataFrame
`df.iloc[i, j]`	Akses by posisi
`df.loc[i, "col"]`	Akses by label
`df[kondisi]`	Filter baris
`df["baru"] = ...`	Tambah / ubah kolom
`df.describe()`	Statistik deskriptif

Sebelumnya: Part 2 — List & Dictionary Selanjutnya: Part 4 — Operator & Ekspresi

--- title: "Part 3 — Struktur Data II: DataFrame" description: "Membuat DataFrame dengan pandas, akses kolom & baris, dimensi, struktur, dan operasi dasar di Python." date: "2026-02-26" categories: [Fundamental, Struktur Data] series: "Fundamental Programming" order: 3 --- ## Fundamental Series — Part 3 of 20 DataFrame adalah **struktur data paling penting** untuk analisis data di Python. Bayangkan spreadsheet: baris = observasi, kolom = variabel. Part ini membahas DataFrame dari library **pandas**. --- ## Membuat DataFrame ```python import pandas as pd df = pd.DataFrame({ "kota": ["Jakarta", "Bandung", "Surabaya", "Medan", "Makassar"], "populasi": [10.56, 2.44, 2.87, 2.12, 1.42], "pulau": ["Jawa", "Jawa", "Jawa", "Sumatera", "Sulawesi"] }) df ``` ``` kota populasi pulau 0 Jakarta 10.56 Jawa 1 Bandung 2.44 Jawa 2 Surabaya 2.87 Jawa 3 Medan 2.12 Sumatera 4 Makassar 1.42 Sulawesi ``` ::: {.callout-note} ## pandas vs polars Tutorial ini menggunakan **pandas** (library paling populer). Alternatif modern: **polars** — lebih cepat dan memori-efisien. Sintaksnya sedikit berbeda, akan dibahas di part manipulasi data. ::: --- ## Memeriksa Struktur ```python # Dimensi df.shape # (5, 3) — 5 baris, 3 kolom len(df) # 5 (jumlah baris) # Info lengkap — tipe data, non-null count df.info() # Tipe data setiap kolom df.dtypes # Nama kolom df.columns # Index(['kota', 'populasi', 'pulau']) # Beberapa baris pertama / terakhir df.head(3) df.tail(2) ``` Output `df.info()`: ``` <class 'pandas.core.frame.DataFrame'> RangeIndex: 5 entries, 0 to 4 Data columns (total 3 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 kota 5 non-null object 1 populasi 5 non-null float64 2 pulau 5 non-null object dtypes: float64(1), object(2) ``` `df.info()` sangat berguna — langsung terlihat jumlah baris, kolom, tipe data, dan missing values. --- ## Mengakses Kolom ```python # Dengan titik (dot notation) df.kota # Series # Dengan bracket (lebih aman — selalu berhasil) df["kota"] # Series df[["kota"]] # DataFrame (1 kolom) df[["kota", "populasi"]] # DataFrame (beberapa kolom) ``` ::: {.callout-important} ## `df["x"]` vs `df[["x"]]` | Sintaks | Return | Tipe | |---------|--------|------| | `df["kota"]` | Series | Seperti vektor | | `df[["kota"]]` | DataFrame | Tabel 1 kolom | | `df.kota` | Series | Shortcut (tidak bisa kalau nama kolom ada spasi) | ::: --- ## Mengakses Baris & Sel ### `iloc` — Index-based (posisi angka) ```python df.iloc[0] # baris pertama (Series) df.iloc[0:3] # baris 0, 1, 2 (DataFrame) df.iloc[0, 1] # sel: baris 0, kolom 1 → 10.56 df.iloc[:, 0:2] # semua baris, kolom 0 dan 1 ``` ### `loc` — Label-based (nama) ```python df.loc[0] # baris dengan index 0 df.loc[0:2] # baris index 0 sampai 2 (inklusif!) df.loc[0, "populasi"] # sel: index 0, kolom "populasi" df.loc[:, ["kota", "pulau"]] # semua baris, kolom tertentu ``` ::: {.callout-warning} ## iloc vs loc - `iloc` → **posisi** (integer). Slicing eksklusif: `[0:3]` = index 0,1,2 - `loc` → **label**. Slicing inklusif: `[0:2]` = index 0,1,2 Perbedaan ini sering membingungkan pemula! ::: ### Filter Baris dengan Kondisi ```python # Kota di Pulau Jawa df[df["pulau"] == "Jawa"] # Populasi > 2.5 juta df[df["populasi"] > 2.5] # Kombinasi kondisi (pakai & dan |, bukan and/or) df[(df["pulau"] == "Jawa") & (df["populasi"] > 3)] ``` --- ## Menambah & Mengubah Kolom ```python # Tambah kolom baru df["luas"] = [661.5, 167.7, 350.5, 265.1, 175.8] # Buat kolom dari perhitungan df["kepadatan"] = df["populasi"] / df["luas"] * 1e6 # Ubah kolom yang ada df["populasi"] = df["populasi"] * 1e6 ``` --- ## Menghapus Kolom ```python # drop — tidak mengubah df asli (kecuali inplace=True) df.drop(columns=["kepadatan"]) # Atau langsung ubah df = df.drop(columns=["kepadatan"]) ``` --- ## Menambah Baris ```python baris_baru = pd.DataFrame({ "kota": ["Semarang"], "populasi": [1.65], "pulau": ["Jawa"] }) df = pd.concat([df, baris_baru], ignore_index=True) ``` --- ## Statistik Cepat ```python # Statistik deskriptif semua kolom numerik df.describe() # Per kolom df["populasi"].mean() df["populasi"].median() df["populasi"].std() df["populasi"].min() df["populasi"].max() # Hitung frekuensi df["pulau"].value_counts() ``` --- ## Latihan ::: {.callout-caution} ## Latihan 3.1 — Buat DataFrame ```python import pandas as pd # Buat DataFrame "provinsi" dengan kolom: # - nama: 5 nama provinsi # - ibukota: 5 nama ibukota # - populasi: 5 angka populasi (juta jiwa) # - pulau: 5 nama pulau # 1. Tampilkan info DataFrame (df.info()) # 2. Berapa dimensinya? (shape) # 3. Tampilkan hanya kolom nama dan populasi ``` ::: ::: {.callout-caution} ## Latihan 3.2 — Akses & Filter ```python # Gunakan dataset berikut: import seaborn as sns tips = sns.load_dataset("tips") # 1. Berapa jumlah baris dan kolom? # 2. Tampilkan 5 baris pertama # 3. Tampilkan kolom total_bill dan tip saja # 4. Filter: baris dengan total_bill > 40 # 5. Filter: day == "Sun" DAN tip > 5 ``` ::: ::: {.callout-caution} ## Latihan 3.3 — Modifikasi ```python import seaborn as sns tips = sns.load_dataset("tips") # 1. Tambahkan kolom tip_pct = (tip / total_bill) * 100 # 2. Berapa rata-rata tip_pct? # 3. Tambahkan kolom kategori = "generous" jika tip_pct > 18, "normal" jika tidak # (hint: np.where()) # 4. Hitung frekuensi generous vs normal (value_counts()) ``` ::: --- ## Ringkasan | Konsep | Keterangan | |--------|-----------| | `pd.DataFrame({...})` | Buat DataFrame | | `df.info()` | Info struktur (tipe, missing) | | `df.shape` | Dimensi (baris, kolom) | | `df["col"]` | Akses kolom → Series | | `df[["col"]]` | Akses kolom → DataFrame | | `df.iloc[i, j]` | Akses by posisi | | `df.loc[i, "col"]` | Akses by label | | `df[kondisi]` | Filter baris | | `df["baru"] = ...` | Tambah / ubah kolom | | `df.describe()` | Statistik deskriptif | --- *Sebelumnya: [Part 2 — List & Dictionary](../2026_02_26_02_vektor_list/index.qmd)* *Selanjutnya: [Part 4 — Operator & Ekspresi](../2026_02_26_04_operator/index.qmd)*

Fundamental Series — Part 3 of 20

Membuat DataFrame

Memeriksa Struktur

Mengakses Kolom

Mengakses Baris & Sel

iloc — Index-based (posisi angka)

loc — Label-based (nama)

Filter Baris dengan Kondisi

Menambah & Mengubah Kolom

Menghapus Kolom

Menambah Baris

Statistik Cepat

Latihan

Ringkasan

`iloc` — Index-based (posisi angka)

`loc` — Label-based (nama)