Skip to main content

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")
Back to top