Python Programing

Pandas Cheatsheet

Pandas Cheatsheet

Cheatsheet 1

In pandas, there are a few quick + reliable ways to check the data type of columns, depending on what you need.

1️⃣ Check all column types (most common)


df.dtypes

Output example

age int64 height float64 name object active bool date datetime64[ns] dtype: object

2️⃣ Detailed overview (very useful for debugging)


df.info()

Shows:

3️⃣ Check type of a single column


df["age"].dtype

or


df.age.dtype

4️⃣ Check only numeric / non-numeric columns


df.select_dtypes(include="number").columns

df.select_dtypes(exclude="number").columns

5️⃣ Check if a column is a specific type


import pandas as pd pd.api.types.is_numeric_dtype(df["age"]) pd.api.types.is_string_dtype(df["name"]) pd.api.types.is_datetime64_any_dtype(df["date"]) pd.api.types.is_bool_dtype(df["active"])

6️⃣ Count how many columns per dtype


df.dtypes.value_counts()

7️⃣ Detect mixed or problematic types (object columns)


df.select_dtypes(include="object").apply( lambda s: s.map(type).value_counts() )

Useful when:

 

Task Command
See all dtypes df.dtypes
Full summary df.info()
Single column df[col].dtype
Only numeric select_dtypes()
Type check

pd.api.types.is_*

 

Cheatsheet 2

Oke, ini cheat-sheet Python (pandas) buat subset, grouping, dan filtering — dari paling dasar sampai yang sering dipakai di data real. Contohnya aku sesuaikan dengan data kamu (provinsi, kab, gender, dll).

1️⃣ SUBSET (ambil sebagian data)

a) Subset kolom


df[["provinsi", "kab", "gender_ketua_kelompok"]]

b) Subset baris (index-based)


df.iloc[:10] # 10 baris pertama df.iloc[5:20] # slice

df.loc[100:200] # berdasarkan index label

c) Subset baris + kondisi


df[df["provinsi"] == "JAWA BARAT"]

2️⃣ FILTER (kondisi logika)

a) Filter satu kondisi


df[df["gender_ketua_kelompok"] == "L"]

b) Multiple kondisi (&, |)


df[ (df["provinsi"] == "JAWA BARAT") & (df["gender_ketua_kelompok"] == "P") ]

⚠️ WAJIB pakai tanda kurung!

c) Filter dengan isin


df[df["provinsi"].isin(["JAWA BARAT", "JAWA TENGAH"])]

d) Filter string (contains, startswith)


df[df["nama_kelompok"].str.contains("NELAYAN", case=False, na=False)]

e) Filter angka


df[df["skor_kelompok"] >= 80]

3️⃣ GROUPING (ringkas data)

a) Group by satu kolom


df.groupby("provinsi").size()

Sama dengan:


df["provinsi"].value_counts()

b) Group + agregasi


df.groupby("provinsi")["nama_kelompok"].nunique()

c) Group by multiple kolom


df.groupby(["provinsi", "gender_ketua_kelompok"]).size()

d) Banyak agregasi sekaligus


df.groupby("provinsi").agg( total_kelompok=("nama_kelompok", "count"), unik_kelompok=("nama_kelompok", "nunique"), rata_skor=("skor_kelompok", "mean"), )

4️⃣ SUBSET + GROUP + FILTER (REAL CASE)

❓ Jumlah kelompok per provinsi, hanya yang > 1000


( df.groupby("provinsi") .size() .reset_index(name="jumlah") .query("jumlah > 1000") .sort_values("jumlah", ascending=False) )

❓ Distribusi gender per provinsi


( df.groupby(["provinsi", "gender_ketua_kelompok"]) .size() .unstack(fill_value=0) )

❓ Kelompok perempuan di Jawa Barat


df[ (df["provinsi"] == "JAWA BARAT") & (df["gender_ketua_kelompok"] == "P") ][["nama_kelompok", "kab", "desa_kelompok"]]

5️⃣ FILTER DENGAN query() (lebih readable)


df.query("provinsi == 'JAWA BARAT' and gender_ketua_kelompok == 'P'")

Dengan in:


df.query("provinsi in ['JAWA BARAT','JAWA TENGAH']")

6️⃣ GROUP + FILTER (HAVING-style)

Contoh: provinsi dengan ≥ 100 kelompok perempuan


g = df[df["gender_ketua_kelompok"] == "P"] ( g.groupby("provinsi") .size() .loc[lambda s: s >= 100] )

7️⃣ Best practice (penting banget)

✔️ Jangan lupa normalisasi dulu


df["provinsi"] = df["provinsi"].str.strip().str.upper() df["gender_ketua_kelompok"] = df["gender_ketua_kelompok"].str.strip().str.upper()

✔️ Hindari chained indexing

❌


df[df["provinsi"] == "JAWA BARAT"]["kab"]

✔️


df.loc[df["provinsi"] == "JAWA BARAT", "kab"]

TL;DR (pola paling sering)


df.loc[ df["kolom"].isin([...]), ["kolom1","kolom2"] ] df.groupby([...]).agg(...) df.query("kondisi")