Menu
CoddyTech

Modifikasi Kustom

Pelajaran 13 dari 19 dalam kursus Analisis Pandas di Coddy.

Untuk membuat modifikasi khusus, gunakan method .apply dan berikan lambda atau function. Contohnya, untuk mencari kuadrat setiap angka dalam sebuah kolom:

df['num_squared'] = df['num'].apply(lambda x: x**2)

Hal ini juga bisa dilakukan dengan mengalikan kolom tersebut dengan dirinya sendiri:

df['num_squared'] = df['num'] * df['num']

Untuk menambahkan 2 ke nilai setiap baris:

df["add_two"] = df['num'].apply(lambda x: x+2)
df["add_two"] = df['num'] + 2

Untuk mengganti setiap nilai dalam Series dengan nilai lain, gunakan method .map dan berikan fungsi, dictionary, atau Series.

Contohnya, jika kita ingin mengganti nama buah dengan nilai numerik:

fruits_to_num = {"apple": 1, "mango": 2, "grape": 3}
df["fruits"] = df["fruits"].map(fruits_to_num)

.map dan .apply sama-sama bisa menerima fungsi:

df['num_squared'] = df['num'].apply(lambda x: x**2)
df['num_squared'] = df['num'].map(lambda x: x**2)

Untuk mempelajari lebih lanjut tentang perbedaannya, kamu bisa membacanya di sini.

 

challenge icon

Tantangan

Mudah

File CSV stats.csv berisi informasi tentang statistik.

Berikut 5 baris pertama file tersebut:

ID,COUNTRY,COLOR,SKILL,SKILL_POINTS,UTILIZATION,IS_VALID,CATEGORY
1,France,Signal violet,marksmanship,14,0.1924,1,SHOW
2,Solomon Islands,Pearl violet,crocheting,4,0.6108,1,TREE
3,Germany,Bottle green,calligraphy,12,0.88646,0,SHOW
4,Mauritania,Fawn brown,paper cutting,9,0.058,1,JAPE
  • Ganti nilai CATEGORY menjadi: {"SHOW": 0, "TREE": 1, "JAPE": 2, "GHUP": 3, "PLQR": 4}.
  • Buat kolom baru bernama SKILL_MASTERY. Isi kolom ini dengan rumus berikut: Kalikan nilai pada kolom SKILL_POINTS dan UTILIZATION. Jika hasilnya lebih besar dari 5, bagi hasilnya dengan 4; jika tidak, bagi dengan 2. Terakhir, tambahkan nilai pada kolom IS_VALID ke hasilnya.
  • Urutkan hasilnya secara menaik berdasarkan SKILL_MASTERY.

Simpan hasilnya dalam variabel df.

Coba sendiri

# pandas as pd sudah diimpor
df = pd.read_csv("./stats.csv")
# Tulis kodemu di bawah ini

Semua pelajaran di Analisis Pandas

Latihan sendiri: Compiler Python online