Impor dan ekspor data dengan pandas: CSV, Excel, JSON, Parquet, Feather, HTML, URL, dan database SQL. Section ini menyusun materi menjadi chapter berurutan; ikuti urutannya karena tiap chapter memakai konsep dari chapter sebelumnya.

# Membaca File CSV

Mengimpor file CSV ke DataFrame dengan pd.read_csv() dan mengenali perilaku default-nya.

Buka → # Menulis File CSV

Mengekspor DataFrame ke file CSV dengan to_csv() dan mengatur index serta encoding-nya.

Buka → # Membaca dan Menulis Excel

Bekerja dengan file .xlsx menggunakan read_excel() dan to_excel() dengan engine openpyxl.

Buka → # Membaca File JSON

Mengimpor data JSON semi terstruktur dengan read_json() dan memahami orientasinya.

Buka → # json_normalize() untuk JSON Bersarang

Meratakan JSON bersarang dari API menjadi tabel datar dengan pd.json_normalize().

Buka → # Membaca File Parquet

Menyimpan dan membaca format kolom Parquet yang efisien untuk data berukuran besar.

Buka → # Membaca File Feather

Menggunakan format Feather untuk pertukaran data berkecepatan tinggi antara pandas dan tools lain.

Buka → # Membaca File HTML

Menarik tabel dari halaman HTML dengan read_html() dan memahami persyaratannya.

Buka → # Membaca Data dari URL

Membaca dataset langsung dari URL dan menangani ketergantungan jaringannya dengan bijak.

Buka → # Membaca Data dari SQL

Mengambil hasil query database ke DataFrame dengan read_sql() dan SQLAlchemy.

Buka → # Menulis Data ke SQL

Menyimpan DataFrame ke tabel database dengan to_sql() dan mengatur mode penulisannya.

Buka → # Parameter Penting read_csv()

Menguasai parameter read_csv() yang sering dipakai: sep, header, usecols, dtype, dan na_values.

Buka → # Memilih Format Penyimpanan

Membandingkan CSV, Excel, JSON, Parquet, dan Feather untuk memilih format yang sesuai kebutuhan.

Buka →