Tutorial Exploratory Data Analysis Python

Pelajari dasar-dasar Exploratory Data Analysis (EDA) di Python dengan Pandas, Matplotlib, dan NumPy, seperti sampling, rekayasa fitur, korelasi, dll.

Diperbarui 28 Sep 2026 · 15 mnt Baca

Jelajahi bersama AI

ChatGPT Claude Perplexity

Seperti yang Anda ketahui sekarang, pustaka manipulasi data Python, Pandas, digunakan untuk manipulasi data; Bagi yang baru mulai, ini mungkin mengisyaratkan bahwa paket ini hanya berguna saat pra-pemrosesan data, namun kenyataannya tidak demikian: Pandas juga sangat bagus untuk mengeksplorasi data dan menyimpannya setelah Anda selesai melakukan pra-pemrosesan.

Selain itu, bagi Anda yang mengikuti tutorial Python DataCamp atau yang sudah diperkenalkan dengan dasar-dasar SciPy, NumPy, Matplotlib, dan Pandas, ada baiknya untuk mengulas kembali sebagian pengetahuan yang telah Anda bangun.

Tutorial hari ini akan memperkenalkan beberapa cara untuk mengeksplorasi data Anda secara efisien dengan semua paket di atas sehingga Anda bisa mulai memodelkan data Anda:

Pertama, Anda akan belajar cara mengimpor data, yang merupakan langkah pertama yang perlu Anda selesaikan dengan sukses sebelum memulai analisis.
Jika Anda belum yakin apa itu Exploratory Data Analysis (EDA) dan apa perbedaan pasti antara EDA dan Data Mining, bagian ini akan menjelaskannya untuk Anda sebelum memulai tutorial!
Kemudian, Anda akan mendapatkan deskripsi dasar dari data Anda. Anda akan fokus pada statistik deskriptif, melihat baris pertama dan terakhir DataFrame Anda, mengambil sampel dari data, dll. Anda akan melihat bahwa ini adalah cara yang bagus untuk mendapatkan pemahaman awal tentang data Anda dan mungkin sudah lebih memahaminya!
Setelah mengumpulkan beberapa informasi tentang data Anda, ada baiknya juga untuk melihat lebih dalam dengan cara mengajukan kueri atau melakukan pengindeksan pada data. Anda dapat menggunakan teknik ini untuk menguji beberapa hipotesis dasar yang mungkin Anda miliki tentang data.
Sekarang setelah Anda memeriksa data, Anda mungkin sudah melihat bahwa ada beberapa fitur yang bisa menarik untuk analisis Anda: Anda akan melihat mana yang dapat memengaruhi analisis secara positif dengan rekayasa fitur dan seleksi fitur.
Berikutnya, Anda akan melihat bahwa eksplorasi awal itu baik, tetapi Anda juga perlu memahami tantangan yang dapat ditimbulkan oleh data Anda, seperti nilai hilang atau pencilan, dan tentu saja, bagaimana Anda dapat menanganinya, dan
Terakhir, Anda juga akan belajar cara menemukan pola dalam data, baik dengan memvisualisasikan data secara mudah dan cepat menggunakan paket visualisasi Python, Matplotlib dan Bokeh, atau dengan menggunakan fungsi khusus untuk menghitung korelasi antar atribut.

Apakah Anda tertarik mengikuti kursus Pandas? Pertimbangkan untuk mengambil kursus Data Manipulation with pandas kami!

Mengimpor Data

Untuk mulai mengeksplorasi data, Anda perlu memulainya dengan benar-benar memuat data. Anda mungkin sudah tahu, berkat pustaka Pandas, ini menjadi tugas mudah: Anda mengimpor paket sebagai pd, mengikuti konvensi, dan menggunakan fungsi read_csv(), yang Anda beri URL tempat data dapat ditemukan dan argumen header. Argumen terakhir ini dapat Anda gunakan untuk memastikan data dibaca dengan benar: baris pertama data Anda tidak akan ditafsirkan sebagai nama kolom DataFrame Anda.

Selain itu, ada juga argumen lain yang dapat Anda tentukan untuk memastikan data dibaca dengan benar: Anda dapat menentukan pemisah yang digunakan dengan argumen sep atau delimiter, nama kolom yang digunakan dengan names atau kolom yang digunakan sebagai label baris untuk DataFrame hasil dengan index_col.

Tetapi ini bukanlah semua argumen yang dapat Anda tambahkan ke fungsi read_csv(). Pelajari fungsi ini dan argumennya di dokumentasi.

eyJsYW5ndWFnZSI6InB5dGhvbiIsInNhbXBsZSI6IiMgSW1wb3J0IHRoZSBgcGFuZGFzYCBsaWJyYXJ5IGFzIGBwZGBcbmltcG9ydCBwYW5kYXMgYXMgcGRcblxuIyBMb2FkIGluIHRoZSBkYXRhIHdpdGggYHJlYWRfY3N2KClgXG5kaWdpdHMgPSBwZC5yZWFkX2NzdihcImh0dHA6Ly9hcmNoaXZlLmljcy51Y2kuZWR1L21sL21hY2hpbmUtbGVhcm5pbmctZGF0YWJhc2VzL29wdGRpZ2l0cy9vcHRkaWdpdHMudHJhXCIsXG4gICAgICAgICAgICAgICAgICAgICBoZWFkZXI9Tm9uZSlcblxuIyBQcmludCBvdXQgYGRpZ2l0c2BcbnByaW50KGRpZ2l0cykifQ==

Perhatikan bahwa dalam kasus ini, Anda menggunakan read_csv() karena datanya kebetulan berformat dipisahkan koma. Jika Anda memiliki file dengan pemisah lain, Anda juga dapat mempertimbangkan menggunakan fungsi lain untuk memuat data, seperti read_table(), read_excel(), read_fwf() dan read_clipboard, masing-masing untuk membaca file berformat terdelimitasi umum, file Excel, data Fixed-Width Formatted, dan data yang disalin ke Clipboard.

Anda juga akan menemukan read_sql() sebagai salah satu opsi untuk membaca kueri SQL atau tabel basis data ke dalam DataFrame. Untuk lebih banyak fungsi Input, pertimbangkan bagian ini dari dokumentasi Pandas.

Apa itu Exploratory Data Analysis (EDA)?

Exploratory Data Analysis (EDA) digunakan di satu sisi untuk menjawab pertanyaan, menguji asumsi bisnis, menghasilkan hipotesis untuk analisis lanjutan. Di sisi lain, Anda juga dapat menggunakannya untuk menyiapkan data untuk pemodelan. Hal yang mungkin sama dari keduanya adalah pengetahuan yang baik tentang data Anda, baik untuk mendapatkan jawaban yang Anda butuhkan atau untuk mengembangkan intuisi dalam menafsirkan hasil pemodelan di masa depan.

Ada banyak cara untuk mencapai tujuan ini: Anda dapat memperoleh deskripsi dasar data, memvisualisasikannya, mengidentifikasi polanya, mengidentifikasi tantangan dalam menggunakan data, dll.

Salah satu hal yang sering Anda lihat ketika membaca tentang EDA adalah data profiling. Data profiling berkaitan dengan meringkas dataset Anda melalui statistik deskriptif. Anda ingin menggunakan berbagai pengukuran untuk lebih memahami dataset. Tujuan data profiling adalah memiliki pemahaman yang kuat tentang data sehingga Anda dapat mulai mengajukan kueri dan memvisualisasikan data dengan berbagai cara. Namun, ini tidak berarti Anda tidak perlu mengulang: justru karena data profiling berkaitan dengan meringkas dataset, ini sering digunakan untuk menilai kualitas data. Bergantung pada hasil data profiling, Anda mungkin memutuskan untuk mengoreksi, membuang, atau menangani data secara berbeda.

Anda akan mempelajari lebih lanjut tentang data profiling dalam pos berikutnya.

EDA dan Data Mining (DM)

EDA membedakan dirinya dari data mining, meskipun keduanya saling terkait erat, karena banyak teknik EDA telah diadopsi ke dalam data mining. Tujuan keduanya juga sangat mirip: EDA memastikan Anda mengeksplorasi data sedemikian rupa sehingga fitur menarik dan hubungan antar fitur menjadi lebih jelas. Dalam EDA, Anda biasanya mengeksplorasi dan membandingkan banyak variabel berbeda dengan berbagai teknik untuk mencari dan menemukan pola sistematis. Di sisi lain, data mining berkaitan dengan mengekstraksi pola dari data. Pola tersebut memberikan wawasan tentang hubungan antar variabel yang dapat digunakan untuk meningkatkan keputusan bisnis. Selain itu, dalam kedua kasus, Anda tidak memiliki ekspektasi a priori atau ekspektasi yang tidak lengkap tentang hubungan antar variabel.

Namun, secara umum, data mining dapat dikatakan lebih berorientasi aplikasi, sementara EDA berkaitan dengan sifat dasar fenomena yang mendasarinya. Dengan kata lain, data mining relatif kurang memperhatikan identifikasi hubungan spesifik antar variabel yang terlibat. Akibatnya, data mining menerima pendekatan “kotak hitam” terhadap eksplorasi data dan tidak hanya menggunakan teknik yang juga digunakan dalam EDA, tetapi juga teknik seperti Jaringan Saraf untuk menghasilkan prediksi yang valid namun tidak mengidentifikasi sifat spesifik hubungan antar variabel yang menjadi dasar prediksi.

Deskripsi Dasar Data

Seperti yang Anda baca di atas, EDA adalah tentang mengenal data Anda. Salah satu langkah paling elementer untuk melakukan ini adalah mendapatkan deskripsi dasar data Anda. Deskripsi dasar data memang merupakan istilah yang sangat luas: Anda dapat menafsirkannya sebagai cara cepat untuk mendapatkan beberapa informasi tentang data, sebagai cara untuk mendapatkan informasi yang sederhana dan mudah dipahami tentang data, untuk mendapatkan rasa awal terhadap data, dll.

Bagian ini tidak akan membedakan interpretasi tersebut: bagian ini akan memperkenalkan beberapa cara untuk dengan cepat mengumpulkan informasi tentang DataFrame Anda yang mudah dipahami.

Mendeskripsikan Data

Misalnya, Anda dapat menggunakan fungsi describe() untuk mendapatkan berbagai statistik ringkas yang mengecualikan nilai NaN. Pertimbangkan contoh ini di mana Anda mendeskripsikan dataset Iris yang terkenal. Data sudah dimuat untuk Anda dalam potongan DataCamp Light:

Anda melihat bahwa fungsi ini mengembalikan jumlah, rata-rata, standar deviasi, nilai minimum dan maksimum, serta kuantil dari data. Perhatikan bahwa tentu saja ada banyak pustaka yang tersedia di Python yang dapat memberikan statistik tersebut, termasuk Pandas sendiri. Menggunakan fungsi ini hanyalah salah satu cara untuk mendapatkan informasi tersebut.

Perhatikan juga bahwa Anda tentu perlu meluangkan waktu untuk menyelami statistik deskriptif jika belum melakukannya. Anda dapat menggunakan statistik deskriptif ini untuk mulai menilai kualitas data Anda. Lalu Anda akan dapat memutuskan apakah perlu mengoreksi, membuang, atau menangani data dengan cara lain. Ini biasanya merupakan langkah data profiling. Langkah dalam EDA ini dimaksudkan untuk memahami elemen data dan anomalinya sedikit lebih baik serta melihat bagaimana data cocok dengan dokumentasi di satu sisi dan memenuhi kebutuhan bisnis di sisi lain.

Catatan bahwa Anda akan kembali ke langkah data profiling seiring Anda menjalani eksplorasi data, karena kualitas data Anda dapat dipengaruhi oleh langkah-langkah yang Anda lakukan.

Baris Pertama dan Terakhir DataFrame

Sekarang setelah Anda memiliki gambaran umum tentang dataset, ada baiknya juga melihat lebih dekat datanya sendiri. Dengan bantuan fungsi head() dan tail() dari pustaka Pandas, Anda dapat dengan mudah memeriksa baris pertama dan terakhir DataFrame Anda.

Periksa lima baris pertama dan terakhir dari data handwritten digits dengan fungsi head() dan tail() pada potongan DataCamp Light di bawah ini. Data sudah dimuat untuk Anda dalam potongan DataCamp Light:

Anda akan melihat bahwa hasil fungsi head() dan tail() tidak terlalu banyak memberi tahu saat Anda tidak akrab dengan jenis data ini.

Anda mungkin hanya melihat sekumpulan baris dan kolom dengan nilai numerik di dalamnya. Pertimbangkan untuk membaca deskripsi dataset jika belum, yang akan memberi Anda informasi relevan tentang bagaimana data dikumpulkan dan juga menyatakan jumlah atribut dan baris, yang dapat berguna untuk memeriksa apakah Anda telah mengimpor data dengan benar.

Selain itu, kembali ke temuan awal Anda: nilai numerik dalam baris. Sekilas, Anda mungkin tidak mengira ada masalah, karena nilai integer tampak benar dan tidak menimbulkan tanda bahaya saat Anda melihatnya pertama kali.

Tetapi jika Anda melakukan semua ini pada dataset lain yang mungkin memiliki, misalnya, informasi tanggal dan waktu, sekilas pada hasil baris kode ini mungkin menimbulkan pertanyaan berikut: “Apakah data saya telah dibaca sebagai DateTime?”, “Bagaimana saya bisa memeriksanya?” dan “Bagaimana saya bisa mengubah tipe data?”

Ini adalah pertanyaan yang lebih dalam yang biasanya Anda tangani dalam langkah data profiling, yang akan dibahas pada pos berikutnya.

Sampling Data

Jika Anda memiliki dataset besar, Anda dapat mempertimbangkan untuk mengambil sampel data sebagai cara mudah untuk mendapatkan gambaran cepat tentang data. Sebagai cara pertama dan mudah, Anda dapat memanfaatkan fungsi sample() yang ada di Pandas, seperti ini:

Cara lain —mungkin lebih rumit— untuk melakukan ini adalah dengan membuat indeks acak dan kemudian mengambil baris acak dari DataFrame. Anda akan melihat bahwa kode di bawah ini memanfaatkan paket random yang memiliki modul sample yang memungkinkan Anda melakukan sampling data, dikombinasikan dengan range() dan len(). Perhatikan bahwa Anda juga menggunakan ix untuk memilih baris persis dari DataFrame yang ingin Anda sertakan dalam sampel.

Jika Anda belum paham mengapa menggunakan ix dalam konteks ini, tutorial DataCamp yang lebih spesifik dapat membantu! Tutorial itu membahas topik-topik umum ini secara detail. Silakan cek dengan mengeklik tautan yang telah disertakan di atas!

Sekarang, mari berlatih kemampuan Python kita! Mulailah pada latihan di bawah ini:

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

Melihat Lebih Dekat Data Anda: Kueri

Sekarang setelah Anda melihat sekilas data dan mengetahui isinya, Anda siap untuk menyelam sedikit lebih dalam: saatnya memeriksa data lebih lanjut dengan mengajukan kueri.

Ini mudah dilakukan dengan fungsi query(), yang memungkinkan Anda menguji beberapa hipotesis sangat sederhana yang Anda miliki tentang data, seperti “Apakah panjang petal biasanya lebih besar daripada panjang sepal?” atau “Apakah panjang petal kadang sama dengan panjang sepal?”

Anda akan melihat bahwa hipotesis ini tidak berlaku. Anda mendapatkan DataFrame kosong sebagai hasilnya.

Catatan bahwa fungsi ini juga dapat diekspresikan sebagai iris[iris.Petal_length > iris.Sepal_length].

Tantangan pada Data Anda

Sekarang setelah Anda mengumpulkan beberapa informasi dasar tentang data, ada baiknya untuk masuk sedikit lebih dalam ke tantangan yang mungkin ditimbulkan oleh data. Jika Anda sudah melalui langkah data profiling, Anda akan menyadari nilai hilang, memiliki gambaran nilai mana yang mungkin pencilan, dll.

Bagian ini akan menjelaskan beberapa cara dasar untuk mendapatkan gambaran tentang hal-hal tersebut dan akan menjelaskan bagaimana Anda dapat menangani data jika Anda menemukan ketidakteraturan dalam data. Perhatikan sekali lagi bahwa Anda akan, atau telah, menggali lebih dalam mengidentifikasi ketidakteraturan ini dalam langkah data profiling, dan wajar untuk kembali ke langkah ini setelah Anda menangani beberapa tantangan yang ditimbulkan data.

Nilai Hilang

Hal lain yang mungkin ingin Anda periksa saat mengeksplorasi data adalah apakah dataset memiliki nilai yang hilang atau tidak.

Mengulas hal ini penting karena ketika sebagian data Anda hilang, dataset dapat kehilangan daya ungkap, yang dapat menyebabkan analisis yang lemah atau bias. Secara praktis, ini berarti ketika Anda kehilangan nilai untuk fitur tertentu, peluang klasifikasi atau prediksi Anda terhadap data menjadi meleset akan meningkat.

Tentu saja, penyebab data hilang dalam dataset bisa merupakan hasil dari ekstraksi atau impor data yang salah, atau mungkin akibat proses pengumpulan. Sistem yang memberi Anda data mungkin gagal atau survei yang Anda kirimkan mungkin dibiarkan kosong oleh responden. Sangat penting juga untuk mempertimbangkan apakah ada pola dalam data yang hilang, dan di sinilah langkah data profiling bisa berguna. Ingatlah bahwa Anda dapat menggunakan data profiling untuk mendapatkan gambaran yang lebih baik tentang kualitas data Anda. Anda dapat membaca lebih lanjut tentang bagaimana Anda dapat menemukan pola data yang hilang dalam pos lanjutan.

Singkatnya, penyebab data hilang bisa beragam dan sangat bergantung pada konteks data, tetapi juga bisa bergantung pada Anda sendiri. Itulah mengapa Anda terlebih dahulu memeriksa data saat mengimpornya pada salah satu langkah sebelumnya!

Untuk mengidentifikasi baris yang berisi nilai hilang, Anda dapat menggunakan isnull(). Pada hasil yang Anda dapatkan kembali, Anda akan melihat True atau False muncul di setiap sel: True menunjukkan bahwa nilai di dalam sel adalah nilai yang hilang, False berarti sel berisi nilai ‘normal’.

Dalam kasus ini, Anda melihat bahwa datanya cukup lengkap: tidak ada nilai hilang.

Catatan bahwa Anda juga bisa membacanya pada deskripsi dataset di UCI Machine Learning Repository yang ditautkan di atas, di mana Anda akan melihat bahwa tidak ada nilai hilang yang tercantum untuk data tersebut.

Namun, ini tidak akan terjadi pada setiap dataset yang Anda temui. Itulah mengapa penting untuk mengetahui apa yang dapat Anda lakukan ketika menghadapi situasi di mana Anda perlu memikirkan apa yang ingin dilakukan terhadap data yang hilang.

Anda dapat menghapus data yang hilang: Anda menghapus seluruh rekaman atau hanya menyimpan rekaman yang fiturnya masih ada. Tentu saja, Anda harus berhati-hati dengan prosedur ini, karena menghapus data juga dapat menyebabkan bias pada analisis Anda. Karena itu, Anda harus bertanya pada diri sendiri apakah probabilitas data tertentu yang hilang untuk suatu rekaman sama dengan semua rekaman lainnya. Jika probabilitas tidak bervariasi per rekaman, menghapus data yang hilang adalah opsi yang valid.
Selain penghapusan, ada juga metode yang dapat Anda gunakan untuk mengisi sel yang berisi nilai hilang dengan “imputation methods”. Jika Anda sudah berpengalaman dengan statistik, Anda akan tahu bahwa imputasi adalah proses mengganti data yang hilang dengan nilai pengganti. Anda dapat mengisi dengan mean, modus, atau median. Tentu saja, di sini Anda perlu memikirkan apakah Anda ingin mengambil, misalnya, mean atau median untuk semua nilai hilang suatu variabel, atau ingin mengganti nilai hilang berdasarkan variabel lain. Misalnya, untuk data yang memiliki fitur dengan variabel kategorikal seperti “male” atau “female”, Anda mungkin juga ingin mempertimbangkannya sebelum mengganti nilai hilang, karena pengamatan antara laki-laki dan perempuan mungkin berbeda. Jika demikian, Anda dapat menghitung rata-rata pengamatan perempuan lalu mengisi nilai hilang untuk rekaman “female” lainnya dengan rata-rata ini.
Perkirakan nilainya dengan bantuan regresi, ANOVA, regresi logistik, atau teknik pemodelan lainnya. Ini sejauh ini cara paling kompleks untuk mengisi nilai.
Isi sel dengan nilai dari rekaman yang paling mirip dengan yang memiliki nilai hilang. Anda dapat menggunakan KNN atau K-Nearest Neighbors dalam kasus seperti ini.

Perhatikan bahwa ada kelebihan dan kekurangan pada setiap cara di atas untuk mengisi data yang hilang! Anda perlu mempertimbangkan hal-hal seperti waktu, biaya, sifat data, dll. sebelum membuat keputusan akhir.

Setelah Anda membuat keputusan akhir tentang apa yang akan dilakukan dengan data yang hilang, lanjutkan membaca untuk melihat bagaimana Anda dapat menerapkan perubahan yang Anda inginkan pada data.

Mengisi Nilai Hilang

Jika Anda memutuskan untuk mengisi nilai dengan imputasi, Anda masih bisa memilih bagaimana cara melakukannya!

Manfaatkan fillna() dari Pandas dikombinasikan dengan fungsi yang ditawarkan NumPy. Pertimbangkan potongan kode berikut, di mana Anda diasumsikan memiliki DataFrame dengan hasil survei yang menanyakan gaji. Dengan asumsi konteks di mana audiens Anda berasal dari kelas sosial yang sama dan kemungkinan responden menjawab pertanyaan sama untuk setiap orang, Anda dapat memilih untuk menghitung rata-rata dari mereka yang menjawab pertanyaan dan menggunakan rata-rata itu untuk mengisi nilai mereka yang tidak menjawab.

# Import NumPyimport numpy as np# Calculate the meanmean = np.mean(df.Salary)# Replace missing values with the meandf. = df.Salary.fillna(mean)

Tentu saja, Anda tidak harus selalu memasukkan nilai ke fillna(). Anda juga dapat mempropagasikan nilai non-null ke depan atau ke belakang dengan menambahkan argumen method ke fungsi fillna(). Berikan ffill atau bfill untuk menentukan apakah Anda ingin mengisi nilai ke belakang atau ke depan.

Menjatuhkan Label dengan Nilai Hilang

Untuk mengecualikan kolom atau baris yang mengandung nilai hilang, Anda dapat menggunakan fungsi dropna() dari Pandas:

# Drop rows with missing valuesdf.dropna(axis=0)# Drop columns with missing values df.dropna(axis=1)

Interpolasi

Alternatifnya, Anda juga dapat memilih untuk melakukan interpolasi nilai hilang: fungsi interpolate() akan melakukan interpolasi linier pada titik data yang hilang untuk “menebak” nilai yang paling mungkin diisi.

df.interpolate()

Anda juga dapat menambahkan argumen method untuk mengakses metode interpolasi yang lebih canggih, seperti interpolasi polinomial atau kubik, tetapi ketika Anda ingin menggunakan jenis interpolasi ini, Anda perlu memasang SciPy.

Tentu, ada batasan pada interpolasi, terutama jika nilai NaN untuk interpolasi terlalu jauh dari observasi valid terakhir. Dalam kasus seperti ini, Anda ingin menambahkan argumen limit ke kode asli. Anda meneruskan bilangan bulat positif ke sana dan angka ini akan menentukan berapa banyak nilai setelah nilai non-NaN yang akan diisi. Arah batas default adalah forward, tetapi ini juga bisa Anda ubah dengan menambahkan limit_direction

Pencilan

Sama seperti nilai hilang, data Anda juga mungkin mengandung nilai yang sangat menyimpang dari mayoritas besar data lainnya. Titik data ini disebut “outliers” atau pencilan. Untuk menemukannya, Anda dapat memeriksa distribusi variabel tunggal melalui box plot atau membuat scatter plot dari data untuk mengidentifikasi titik data yang tidak berada di area plot yang “diharapkan”.

Penyebab pencilan dalam data Anda dapat bervariasi, mulai dari kesalahan sistem hingga campur tangan manusia melalui entri atau pemrosesan data, tetapi penting untuk mempertimbangkan pengaruhnya terhadap analisis Anda: pencilan akan mengubah hasil uji statistik seperti standar deviasi, mean, atau median, berpotensi menurunkan kenormalan dan memengaruhi hasil model statistik seperti regresi atau ANOVA.

Untuk menangani pencilan, Anda dapat menghapus, mentransformasi, atau mengimputasinya: keputusannya kembali bergantung pada konteks data. Itulah mengapa penting memahami data Anda dan mengidentifikasi penyebab pencilan:

Jika nilai pencilan disebabkan oleh kesalahan entri atau pemrosesan data, Anda dapat mempertimbangkan untuk menghapus nilainya.
Anda dapat mentransformasikan pencilan dengan menetapkan bobot pada observasi atau menggunakan log natural untuk mengurangi variasi yang disebabkan nilai pencilan pada dataset.
Sama seperti nilai hilang, Anda juga dapat menggunakan metode imputasi untuk mengganti nilai ekstrem data dengan nilai median, mean, atau modus.

Anda dapat menggunakan fungsi-fungsi yang dijelaskan pada bagian di atas untuk menangani pencilan dalam data Anda.

Fitur Data Anda

Catatan bahwa langkah ini dilakukan secara iteratif dengan tugas data science lainnya: Anda akan membangun model dan memvalidasi, lalu mungkin memutuskan untuk menyesuaikan fitur dan mengulangi pembangunan model lagi, dan seterusnya.

Feature Engineering

Anda dapat menggunakan rekayasa fitur sebagai cara untuk meningkatkan daya prediksi algoritme pembelajaran dengan membuat fitur dari data mentah yang akan membantu proses pembelajaran. Anda akan melakukan ini dengan membuat fitur relevan tambahan dari fitur mentah yang ada dalam data.

Feature engineering membutuhkan waktu untuk dikuasai; Tidak selalu jelas apa yang dapat Anda lakukan dengan data mentah agar dapat membantu daya prediksi data. Namun daftar berikut mungkin dapat membantu ketika Anda mencari cara untuk merekayasa fitur untuk dataset Anda:

Faktorkan sebuah fitur: enkode variabel kategorikal menjadi numerik dengan factorize(), seperti pada contoh ini:

Kelompokkan variabel kontinu dalam bin: gunakan cut() untuk memotong nilai sebuah kolom ke dalam bin

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

Skalakan fitur: pusatkan data Anda di sekitar 0. Anda dapat memanfaatkan modul preprocessing dari Scikit-Learn:

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

Tip: pelajari modul preprocessing Scikit-Learn lebih dekat, Anda akan melihat bahwa modul ini berisi beberapa fungsi praktis yang akan membantu Anda menemukan fitur baru untuk data Anda!

Perhatikan bahwa ini hanyalah beberapa cara untuk merekayasa fitur baru agar data Anda lebih prediktif! Kuncinya adalah memikirkan fitur baru atau menggabungkan fitur lama dan mencoba menguji efektivitasnya dengan Scikit-Learn.

Feature Selection

Saat Anda melakukan seleksi fitur, Anda memilih subset kunci dari fitur data asli dalam upaya mengurangi dimensi masalah pelatihan. Ini tampak sangat mirip dengan teknik reduksi dimensi lain yang mungkin sudah Anda ketahui, seperti PCA. Namun, ada perbedaannya: PCA menggabungkan atribut yang serupa (berkorelasi) dan membuat atribut baru yang dianggap lebih unggul daripada atribut asli pada dataset. Feature selection tidak menggabungkan atribut: ia mengevaluasi kualitas dan daya prediksi dan memilih himpunan terbaik.

Untuk menemukan fitur penting, Anda dapat memanfaatkan algoritme RandomForest: algoritme ini secara acak menghasilkan ribuan pohon keputusan dan secara bergiliran menghilangkan setiap variabel saat memfitting model. Dengan cara ini, Anda dapat menghitung seberapa banyak model menjadi lebih baik atau lebih buruk saat Anda mengeluarkan satu variabel dari persamaan. Anda dapat menggunakan pustaka Python Scikit-Learn untuk mengimplementasikan algoritme ini:

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

Anda akan melihat bahwa himpunan fitur terbaik adalah yang mencakup data panjang petal dan lebar petal.

Catatan bahwa Anda juga dapat memvisualisasikan hasil seleksi fitur dengan Matplotlib:

# Import `pyplot` and `numpy`import matplotlib.pyplot as pltimport numpy as np# Isolate feature importances importance = rfc.feature_importances_# Sort the feature importances sorted_importances = np.argsort(importance)# Insert paddingpadding = np.arange(len(names)-1) + 0.5# Plot the dataplt.barh(padding, importance[sorted_importances], align='center')# Customize the plotplt.yticks(padding, names[sorted_importances])plt.xlabel("Relative Importance")plt.title("Variable Importance")# Show the plotplt.show()

Pola dalam Data Anda

Salah satu langkah berikutnya yang dapat Anda ambil dalam eksplorasi data adalah identifikasi pola dalam data, yang mencakup korelasi antar atribut data atau antar data yang hilang. Salah satu hal yang dapat membantu melakukan ini adalah visualisasi data; Dan ini tidak harus statis: beranilah memilih visualisasi interaktif untuk data Anda dengan pustaka Python Bokeh atau Plotly.

Identifikasi Korelasi dengan Matplotlib

Sekarang setelah Anda melihat angka dan menganalisis data secara kuantitatif, Anda juga akan merasa bermanfaat untuk mempertimbangkan data secara visual. Saatnya mengeksplorasi data secara visual juga.

Untuk melakukannya dengan mudah dan cepat, Anda dapat menggunakan pustaka visualisasi data Python, Matplotlib. Satu-satunya halangan adalah, ironisnya, data Anda: seperti yang Anda ketahui, data Anda memiliki 64 kolom atau fitur. Ketika Anda memiliki begitu banyak fitur, dikatakan Anda bekerja dengan data berdimensi tinggi.

Apa itu data berdimensi, akan Anda pelajari dalam tutorial machine learning kami, tetapi untuk saat ini cukup pahami bahwa, jika Anda ingin memvisualisasikan data dalam plot 2D atau 3D, Anda memerlukan data hanya memiliki dua atau tiga dimensi. Ini berarti Anda perlu mengurangi dimensi data Anda.

Ini berarti Anda harus menggunakan teknik Reduksi Dimensi, seperti Principal Component Analysis (PCA):

eyJsYW5ndWFnZSI6InB5dGhvbiIsInByZV9leGVyY2lzZV9jb2RlIjoiaW1wb3J0IHBhbmRhcyBhcyBwZFxuZGlnaXRzID0gcGQucmVhZF9jc3YoXCJodHRwOi8vYXJjaGl2ZS5pY3MudWNpLmVkdS9tbC9tYWNoaW5lLWxlYXJuaW5nLWRhdGFiYXNlcy9vcHRkaWdpdHMvb3B0ZGlnaXRzLnRyYVwiLFxuICAgICAgICAgICAgICAgICAgICAgaGVhZGVyPU5vbmUpIiwic2FtcGxlIjoiIyBJbXBvcnQgYFBDQWAgZnJvbSBgc2tsZWFybi5kZWNvbXBvc2l0aW9uYFxuZnJvbSBza2xlYXJuLmRlY29tcG9zaXRpb24gaW1wb3J0IF9fX1xuXG4jIEJ1aWxkIHRoZSBtb2RlbFxucGNhID0gUENBKG5fY29tcG9uZW50cz0yKVxuXG4jIFJlZHVjZSB0aGUgZGF0YSwgb3V0cHV0IGlzIG5kYXJyYXlcbnJlZHVjZWRfZGF0YSA9IHBjYS5maXRfdHJhbnNmb3JtKF9fX19fX18pXG5cbiMgSW5zcGVjdCB0aGUgc2hhcGUgb2YgYHJlZHVjZWRfZGF0YWBcbnJlZHVjZWRfZGF0YS5fX19fX19cblxuIyBwcmludCBvdXQgdGhlIHJlZHVjZWQgZGF0YVxucHJpbnQoX19fX19fX19fX19fX19fKSIsInNvbHV0aW9uIjoiIyBJbXBvcnQgYFBDQWAgZnJvbSBgc2tsZWFybi5kZWNvbXBvc2l0aW9uYFxuZnJvbSBza2xlYXJuLmRlY29tcG9zaXRpb24gaW1wb3J0IFBDQVxuXG4jIEJ1aWxkIHRoZSBtb2RlbFxucGNhID0gUENBKG5fY29tcG9uZW50cz0yKVxuXG4jIFJlZHVjZSB0aGUgZGF0YSwgb3V0cHV0IGlzIG5kYXJyYXlcbnJlZHVjZWRfZGF0YSA9IHBjYS5maXRfdHJhbnNmb3JtKGRpZ2l0cylcblxuIyBJbnNwZWN0IHNoYXBlIG9mIHRoZSBgcmVkdWNlZF9kYXRhYFxucmVkdWNlZF9kYXRhLnNoYXBlXG5cbiMgcHJpbnQgb3V0IHRoZSByZWR1Y2VkIGRhdGFcbnByaW50KHJlZHVjZWRfZGF0YSkiLCJzY3QiOiJ0ZXN0X2ltcG9ydChcInNrbGVhcm4uZGVjb21wb3NpdGlvbi5QQ0FcIilcbnRlc3Rfb2JqZWN0KFwicGNhXCIsIGRvX2V2YWw9RmFsc2UpXG50ZXN0X29iamVjdChcInJlZHVjZWRfZGF0YVwiLCBkb19ldmFsPUZhbHNlKVxucHJlZGVmX21zZz1cIkRpZCB5b3UgaW5zcGVjdCB0aGUgc2hhcGUgb2YgYHJlZHVjZWRfZGF0YWA/XCJcbnRlc3Rfb2JqZWN0X2FjY2Vzc2VkKFwicmVkdWNlZF9kYXRhLnNoYXBlXCIsIG5vdF9hY2Nlc3NlZF9tc2c9cHJlZGVmX21zZylcbiMgVGVzdCBgcHJpbnRgIFxudGVzdF9mdW5jdGlvbihcbiAgICBcInByaW50XCIsXG4gICAgbm90X2NhbGxlZF9tc2c9XCJEaWQgeW91IHByaW50IG91dCB0aGUgYHJlZHVjZWRfZGF0YV9ycGNhYCBkYXRhP1wiLFxuICAgIGluY29ycmVjdF9tc2c9XCJEb24ndCBmb3JnZXQgdG8gcHJpbnQgb3V0IHRoZSBgcmVkdWNlZF9kYXRhX3JwY2FgIGRhdGEhXCIsXG4gICAgZG9fZXZhbD1GYWxzZVxuKVxuc3VjY2Vzc19tc2coXCJBbWF6aW5nIVwiKSJ9

Saat Anda memeriksa data tereduksi, kolom atau fitur kini telah berkurang menjadi hanya dua. Jumlah baris atau observasi masih sama, yaitu 3823. Dan sekarang setelah data Anda dalam format yang tepat, saatnya membuat plot!

Pemilihan plot yang tepat sudah merupakan langkah awal yang bagus, tetapi apa yang akan Anda pilih?

Dalam kasus ini, Anda sedang mengeksplorasi data, jadi Anda mungkin ingin menemukan kemungkinan korelasi antara atribut data Anda. Scatter plot mungkin cara yang baik untuk memvisualisasikan ini: plot ini memungkinkan Anda mengidentifikasi hubungan antara dua fitur yang Anda peroleh dari reduksi dimensi.

import matplotlib.pyplot as pltplt.scatter(reduced_data[:,0], reduced_data[:,1], c=labels, cmap = 'viridis')plt.show()

Correlation Python

Identifikasi Korelasi dengan Bokeh

Kedua, Anda juga dapat mempertimbangkan menggunakan Bokeh untuk membangun plot interaktif guna menemukan korelasi antara atribut dalam data Anda. Pustaka Bokeh adalah pustaka visualisasi interaktif Python yang menargetkan peramban web modern untuk presentasi. Ini ideal jika Anda bekerja dengan dataset besar atau streaming, tetapi seperti yang dapat Anda lihat pada contoh berikut, Anda juga dapat menggunakannya untuk data “biasa”.

Kodenya sangat sederhana: Anda mengimpor modul yang diperlukan, membangun scatter plot, mengonfigurasi status output default untuk menghasilkan output yang disimpan ke file saat show() dipanggil. Terakhir, Anda memanggil show() untuk melihat scatter plot yang telah Anda buat!

# Import the necessary modulesfrom bokeh.charts import Scatter, output_file, show# Construct the scatter plotp = Scatter(iris, x='Petal_length', y='Petal_width', color="Class", title="Petal Length vs Petal Width",            xlabel="Sepal Length", ylabel="Sepal Width")# Output the file output_file('scatter.html')# Show the scatter plotshow(p)

Hasilnya elegan:

Python data exploration

Perhatikan bahwa ini adalah gambar statis yang disimpan dari plot, tetapi plot yang dihasilkan di notebook atau terminal Anda akan interaktif! Tentu saja, ini hanya salah satu contoh sederhana bagaimana Anda dapat menggunakan Bokeh untuk membuat grafik interaktif. Pastikan untuk melihat Bokeh Gallery untuk inspirasi lebih lanjut atau ikuti kursus Interactive Data Visualization with Bokeh dari DataCamp.

Identifikasi Korelasi dengan Pandas

Plot yang Anda lihat pada bagian sebelumnya adalah cara visual untuk mengeksplorasi korelasi antara atribut data Anda. Namun bukan berarti Anda tidak dapat mengeksplorasi ukuran ini secara kuantitatif! Dan ketika Anda memutuskan untuk melakukannya, gunakan fungsi corr() dari Pandas. Namun ingat bahwa nilai NaN atau null dikecualikan dalam perhitungan ini!

Catatan bahwa dua ukuran korelasi terakhir mengharuskan Anda melakukan peringkat data sebelum menghitung koefisien. Anda dapat dengan mudah melakukannya dengan rank(): untuk latihan di atas, data iris telah diurutkan dengan menjalankan iris.rank() untuk Anda.

Selain itu, ada beberapa asumsi yang digunakan oleh korelasi-korelasi ini: korelasi Pearson mengasumsikan bahwa variabel Anda berdistribusi normal, ada hubungan garis lurus antara tiap variabel, dan data berdistribusi normal terhadap garis regresi. Di sisi lain, korelasi Spearman mengasumsikan bahwa Anda memiliki dua variabel ordinal atau dua variabel yang saling berhubungan dengan cara tertentu, tetapi tidak secara linear.

Korelasi Kendall Tau adalah koefisien yang mewakili derajat kesesuaian antara dua kolom data berperingkat. Anda dapat menggunakan korelasi Spearman untuk mengukur derajat asosiasi antara dua variabel. Keduanya tampak sangat mirip, bukan?

Meskipun ukuran korelasi Kendall dan Spearman tampak serupa, tetapi keduanya berbeda: perbedaannya terletak pada perhitungannya. Koefisien Kendall Tau dihitung dari jumlah pasangan yang selaras dikurangi jumlah pasangan yang tidak selaras dibagi total jumlah pasangan. Koefisien Spearman adalah jumlah deviasi kuadrat dibagi n kali n dikurangi 1.

Koefisien Spearman biasanya lebih besar daripada Kendall Tau, tetapi tidak selalu: Anda akan mendapatkan koefisien Spearman yang lebih kecil ketika deviasi sangat besar di antara observasi data Anda. Korelasi Spearman sangat sensitif terhadap hal ini dan bisa berguna dalam beberapa kasus!

Lalu, kapan Anda ingin menggunakan koefisien yang mana, karena keduanya sebenarnya menguji hal yang berbeda; Kendall Tau merepresentasikan proporsi pasangan selaras relatif terhadap pasangan yang tidak selaras dan koefisien Spearman tidak melakukan itu. Anda juga dapat berargumen bahwa korelasi Kendall Tau memiliki interpretasi yang lebih intuitif dan lebih mudah dihitung, memberikan estimasi yang lebih baik terhadap parameter populasi yang sesuai, dan p value lebih akurat pada ukuran sampel kecil.

Tip tambahkan fungsi print() untuk melihat hasil komputasi korelasi berpasangan spesifik antar kolom.

Lanjut!

Selamat, Anda telah mencapai akhir dari tutorial Pandas kami! Sekarang Anda telah menguasai beberapa teknik dasar yang dapat digunakan untuk mengeksplorasi data dengan Python.

Jika Anda ingin menyelami topik ini lebih jauh, rangkaian kursus Pandas kami sangat cocok: lihat kursus Data Manipulation with pandas, Reshaping Data with pandas, atau Joining Data with pandas.

Namun, jika Anda siap beranjak dari Pandas dan mengeksplorasi paket Matplotlib lebih jauh, pertimbangkan untuk mengikuti tutorial visualisasi data Python dari DataCamp atau mulai memodelkan data Anda! Lanjutkan ke tutorial machine learning kami untuk mengetahui bagaimana Anda dapat membangun model machine learning untuk mengenali handwritten digits secara otomatis!

Topik

Python

Data Science

Analisis Data

Kursus Python

{count, plural, one {Kursus} other {Kursus}}

Pengantar Python

{hours} jam

7.1M

Kuasai dasar-dasar analisis data dengan Python dalam 4 jam. Kursus online ini memperkenalkan antarmuka Python dan pustaka populer.

Lihat Detail

Mulai Kursus

{count, plural, one {Kursus} other {Kursus}}

Python Tingkat Menengah

{hours} jam

1.4M

Tingkatkan keterampilan data science Anda dengan membuat visualisasi menggunakan Matplotlib dan memanipulasi DataFrame dengan pandas.

Lihat Detail

Mulai Kursus

Lihat Selengkapnya

Terkait

{count, plural, one {blog} other {blogs}}

Tutorial Korelasi di R

Dapatkan pengenalan dasar-dasar korelasi di R: pelajari lebih lanjut tentang koefisien korelasi, matriks korelasi, plotting korelasi, dan sebagainya.

David Woods

13 mnt

{count, plural, one {blog} other {blogs}}

Spaghetti Plot dan Jalur Badai

Temukan alasan mengapa Anda sebaiknya (tidak) menggunakan spaghetti plot untuk menyampaikan ketidakpastian jalur prediksi badai serta dampaknya terhadap interpretasi.

Hugo Bowne-Anderson

13 mnt

{count, plural, one {blog} other {blogs}}

40 Pertanyaan Wawancara DBMS Teratas di 2026

Kuasai pertanyaan wawancara basis data, dari konsep SQL dasar hingga skenario desain sistem tingkat lanjut. Panduan mendalam ini mencakup semua yang Anda perlukan untuk sukses di wawancara DBMS dan meraih peran berikutnya.