Artikel ini adalah bagian 2 dari materi Python Data Visualization dengan Matplotlib, yang merupakan kelanjutan dari membuat plot data dengan Python sebelumnya. Pada bagian ini kita akan belajar mengenai Histogram dan Pie Plot.
Melalui artikel ini, kita akan belajar bagaimana memvisualisasikan data dengan beberapa bentuk diagram, antara lain: histogram, dan juga pie plot. Adapun untuk histogram sendiri, ada dua tipe yang nanti akan dibahas yaitu stacked histogram, dan horizontal histogram, .
Salah satu kemampuan yang harus dimiliki seorang Data Scientist adalah Python Data Visualization. Data Visualization penting untuk kita supaya bisa mendapatkan gambaran mengenai persebaran data serta insight di dataset. Common case nya adalah Data Scientist diharuskan untuk mem-produce data visualization dari csv dataset. Hal itu dapat dilakukan dengan Matplotlib library.
Di tutorial Python Data Visualization part 1 ini, kita akan belajar bagaimana membuat basic plotting dan bar plot menggunakan salah satu library Python yang handal, yaitu Matplotlib.
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.
Dalam banyak kasus di datascience, seringkali dijumpai dataset yang berisi data kategori berbentuk non numerik. Sebagai contoh misalkan dataset karyawan yang di dalamnya terdapat kolom gender, di mana datanya berupa kategori ‘laki-laki’ atau ‘perempuan’. Contoh lainnya, masih dari dataset karyawan, misalnya jenis karyawan: ‘karyawan tetap’, ‘karyawan kontrak’, ‘freelance’. Data-data kategori dalam dataset yang diberikan pada contoh tersebut berupa string. Untuk keperluan pengolahan data, misalnya di machine learning, data-data tersebut harus dinyatakan ke dalam format numerik (encoding) supaya dapat diolah menggunakan formula matematika.
Artikel ini akan menjelaskan bagaimana melakukan encoding data kategori (categorical data) ke dalam numerik menggunakan Python. Dengan menggunakan library tertentu, proses ini dapat dilakukan dengan mudah dan cepat tanpa perlu banyak coding. Proses encoding data ke numerik ini masuk ke dalam proses data pre processing.
Dalam datascience, sering kali kita jumpai data-data yang tidak utuh, atau hilang (missing data atau missing value). Sebagai contoh adalah data berikut ini:
Gambar di atas menunjukkan data ketepatan waktu lulus dari mahasiswa dari beberapa program studi. Dalam hal ini kolom ‘Prodi’, ‘Usia’, dan ‘IPK’ kita sebut sebagai variabel bebas (X) dan kolom ‘LulusTepatWaktu’ sebagai variabel terikat (y). Jika diperhatikan, maka ada beberapa missing data dalam X, yaitu pada kolom ‘Usia’ dan ‘IPK’, khususnya pada data baris ke-4 dan 7.
Dalam praktiknya, missing data bisa disebabkan karena ada kendala pada aplikasi atau software yang digunakan untuk menyimpan data tersebut, human error, atau bisa juga disebabkan karena alat yang rusak.
Melalui artikel kali ini, saya akan mencoba mengupas tuntas sebuah metode dalam data science, yaitu analisis time series, menggunakan Python.
Seperti yang sudah diketahui secara umum bahwa untuk keperluan data science, Python telah menyediakan banyak sekali library, yang dengannya analisis data menjadi lebih mudah dan cepat. Tidak terkecuali analisis time series.
Artikel ini akan membahas tentang cara melakukan analisis time series menggunakan library FBProphet di Python. Analisis yang dilakukan meliputi prediksi data time series, mengetahui pola data trend mingguan, bulanan, dan tahunan. Sebagai dataset analisisnya, akan diambil data rata-rata temperatur harian di beberapa titik di asia di sepanjang tahun 2010, yang berformat netCDF.
Format file NetCDF dikembangkan dan dikelola oleh Unidata yang merupakan bagian dari University Corporation for Atmospheric Research (UCAR) Community Programs (UCP). Dalam penggunaannya, file NetCDF seringkali digunakan sebagai dataset di bidang geoscience. Di dalam file inilah terdapat data keadaan dari beberapa titik lokasi di bumi. Misalnya rata-rata suhu dari beberapa titik lokasi (berdasarkan koordinat latitude dan longitude) dalam rentang waktu tertentu.
Untuk keperluan datascience di bidang geoscience, tentu saja diperlukan cara untuk mengekstrak data yang ada di dalam file NetCDF (berekstensi *.nc) tersebut. Pada tutorial ini, saya akan mencoba menjelaskan bagaimana mengimport dan mengekstrak data file NetCDF dengan menggunakan Python.
Di dalam buku saya tentang Python, pada salah satu project latihannya di Bab 5, adalah tentang membuat aplikasi game tebak angka. Ketika aplikasi ini nanti dijalankan, komputer akan merandom sebuah bilangan bulat positif kemudian user diminta menebaknya. Permainan tebak angka ini akan berhenti jika tebakan user sesuai dengan bilangan yang dipilih oleh komputer tersebut.
Untuk membuat aplikasi di atas, di dalam kode program Python diperlukan proses untuk merandom sebuah bilangan. Bagaimana cara merandom bilangan di dalam Python? baik bilangan riil maupun bilangan bulat (integer)? Serta dalam kasus lainnya, apabila terdapat sekumpulan bilangan dalam sebuah list, bagaimana mengambil secara acak sebuah bilangan dari list tersebut? Artikel ini akan membahasnya secara detil.
