Bekerja dengan File CSV di Pandas

Pandas adalah library powerful untuk manipulasi dan analisis data di Python. Di sini, kita akan menjelajahi beberapa operasi dasar yang bisa dilakukan dengan Pandas, termasuk mengganti nama kolom, menambah, memperbarui, dan menghapus data, serta menyortir dan memfilter DataFrame. Memasang Pandas Untuk memulai, pastikan Pandas sudah terpasang. Anda bisa memasangnya dengan mudah menggunakan pip: Copy pip install pandas Membuat DataFrame kita mulai dengan membuat DataFrame sederhana. Berikut cara menginisialisasi DataFrame dengan beberapa data contoh:

Salah satu hal yang sering bikin repot waktu kerja sama PDF itu adalah ekstrak teks. Mau analisis, konversi, atau cuma mau bikin konten lebih gampang diakses, PDF itu tricky. Untungnya, Python punya library powerful: PyMuPDF alias fitz, yang bikin ekstrak teks dari PDF jadi gampang. Prasyarat Install dulu library-nya kalau belum: Copy pip install pymupdf Script Ekstraksi Teks Berikut contoh script sederhana yang ambil teks tiap halaman PDF dan simpan ke file .txt terpisah:

Di Python, tuple adalah struktur data yang penting dan serbaguna untuk menyimpan beberapa item dalam satu variabel. Meskipun mirip dengan list, tuple memiliki beberapa perbedaan penting. Memahami cara bekerja dengan tuple sangat penting untuk pemrograman Python yang efisien dan efektif. Dalam panduan ini, kita akan membahas dasar-dasar tuple, fitur-fiturnya, dan penggunaannya. Apa Itu Tuple? Tuple adalah koleksi elemen yang immutable (tidak bisa diubah) dan terurut. Berbeda dengan list, begitu tuple dibuat, isinya tidak bisa diubah. Tuple dapat menyimpan item dengan berbagai tipe data dan sering digunakan untuk mengelompokkan data yang terkait.

Sebagai developer independen, saya sering nemuin kasus di mana data harus disimpan dan diolah secara efisien. Awalnya saya bingung bedain kapan pakai list, kapan pakai array, atau NumPy. Setelah nyobain beberapa cara, ternyata masing-masing punya keunggulan sendiri. Gini deh, mari kita bahas lengkap tapi santai. 1. Lists: Array Paling Fleksibel Di Python, list sering dipakai sebagai array karena fleksibel dan gampang banget. Bisa nyimpen berbagai tipe data sekaligus. Copy # List integer numbers = [1, 2, 3, 4, 5] # List campur-campur mixed_list = [1, "Python", 3.14, True] # Akses & ubah elemen numbers[2] = 35 # [1, 2, 35, 4, 5] Kelebihannya: fleksibel, gampang dipakai, cocok buat data campuran. Kekurangannya: nggak seefisien array murni kalau datanya banyak dan homogen.

Sebagai developer independen, awalnya saya sering bingung bedain kapan pakai fungsi biasa, lambda, atau generator. Tapi setelah sering eksperimen, ternyata tiap jenis fungsi punya keunggulan sendiri dan bikin kode lebih rapi serta reusable. Gini deh, mari kita bahas lengkap. 1. Built-in Functions Python sudah menyediakan banyak fungsi bawaan yang bisa langsung dipakai: Copy print("Hello, world!") print(len([1,2,3])) print(sum([1,2,3])) Contoh lain: type(), range(), dll. Simpel tapi powerful.

Sebagai developer independen, saya sering banget ketemu kasus di mana data harus disimpan dan diolah dengan fleksibel. Awalnya saya rada bingung bedain kapan pakai list biasa, nested list, atau cara querying yang efisien. Tapi setelah sering eksperimen, Python lists itu ternyata powerful banget. Gini deh, mari kita kupas tuntas. 1. Membuat Lists Dasar Copy # Kosong empty_list = [] # Integer numbers = [1, 2, 3, 4, 5] # Campur-campur mixed_list = [1, "Hello", 3.14, True] # Nested list nested_list = [[1,2,3], [4,5,6], [7,8,9]] Menggunakan list() Copy tuple_to_list = list((1,2,3)) string_to_list = list("hello") 2. Mengakses & Mengubah Elemen Copy numbers = [10, 20, 30, 40, 50] # Akses first_element = numbers[0] last_element = numbers[-1] slice_of_list = numbers[1:4] # Modifikasi numbers[1] = 99 3. Menambah & Menghapus Elemen Copy numbers = [1,2,3] # Menambah numbers.append(4) numbers.extend([5,6]) numbers.insert(1, 10) # Menghapus numbers.remove(3) removed = numbers.pop(1) del numbers[1] 4. Operasi Dasar Lists Copy list1 + list2 # Concatenation [1,2,3] * 3 # Repetition 3 in [1,2,3] # Membership 5. Iterasi & List Comprehension Copy for n in numbers: print(n) squares = [x**2 for x in range(10)] evens = [x for x in range(10) if x%2==0] 6. Multidimensional Lists Copy matrix = [ [1,2,3], [4,5,6], [7,8,9] ] tensor = [ [[1,2],[3,4]], [[5,6],[7,8]], [[9,10],[11,12]] ] # Akses element = matrix[1][2] block = tensor[0] # Iterasi for row in matrix: for val in row: print(val, end=' ') print() 7. Querying Lists Copy numbers = [1,2,3,4,5,6,7,8,9,10] # Filtering evens = [x for x in numbers if x%2==0] evens2 = list(filter(lambda x: x%2==0, numbers)) # Searching greater_than_five = next((x for x in numbers if x>5), None) all_positive = all(x>0 for x in numbers) # Aggregating total_sum = sum(numbers) min_value = min(numbers) max_value = max(numbers) 8. Kesimpulan Gini deh, Python lists itu simpel tapi powerful. Dari list dasar, nested list, sampai querying, semuanya bikin manipulasi data lebih fleksibel. Kita rutin pakai list dan list comprehension, coding Python sehari-hari jadi lebih cepat dan enak.