Salah satu kasus yang sering dihadapi seorang Data Scientist adalah diberikan dataset yang stukturnya tidak cocok dengan kebutuhan untuk membuat Machine Learning Model. Sehingga perlu adanya penanganan manual yang termasuk dalam tahap pre-processing data.
Pada artikel ini kita akan membahas bagaimana mengenerate file CSV berdasarkan kategori dengan Python menggunakan library Pandas, OS, dan NumPy.
Di dalam proses analisis data, pembuatan rekap data dapat menghasilkan sebuah informasi dari sekumpulan data yang diperoleh. Sebagai contoh, misalkan terdapat data sejumlah 10.000 mahasiswa, di mana dalam data tersebut terdapat gender si mahasiswa. Dengan menggunakan sebuah rekap jumlah mahasiswa berdasarkan gender tersebut, kita bisa mengetahui berapa persentase mahasiswa bergender laki-laki dan juga perempuannya. Lebih banyak manakah antara mahasiswa bergender laki-laki atau perempuan.
Di dalam Python, untuk membuat rekap data sangat mudah sekali dilakukan. Salah satu idenya adalah dengan menggunakan bantuan tipe data dictionary. Tipe data dictionary adalah sebuah tipe data dinamis di dalam Python yang mirip dengan tipe data array asosiatif di dalam PHP, di mana indeks dari dictionary ini adalah berupa key (bisa berupa string atau number). Secara umum struktur dari sebuah dictionary adalah berupa pasangan key dan value, yaitu berbentuk {key1: value, key2: value, ...}. Mirip array asosiatif di dalam PHP bukan?
