Buku dan Referensi

Dokumentasi resmi adalah rujukan paling mutakhir, tetapi dokumentasi menjelaskan fitur per fitur — bukan menyusunnya menjadi kurikulum. Buku mengisi celah itu: penulisnya mengkurasi urutan topik, memilih contoh yang saling menyambung, dan memberi alasan mengapa suatu pendekatan lebih baik. Chapter ini memetakan empat buku pandas yang paling sering direkomendasikan komunitas, menjelaskan posisi masing-masing dalam perjalanan belajar Anda, dan menutup dengan peringatan penting soal versi pandas yang dibahas sebuah buku.

Empat Buku yang Sering Direkomendasikan #

Tabel berikut merangkum posisi setiap buku. Tidak ada satu buku yang mencakup semuanya, jadi pilih sesuai kebutuhan yang sedang Anda hadapi.

Python for Data Analysis karya Wes McKinney, pencipta pandas, menempati posisi khusus: buku ini menjelaskan bukan hanya cara memakai library, tetapi juga mengapa library tersebut dirancang seperti sekarang. Bacanya ketika Anda ingin memahami alasan di balik index, dtype, dan Copy-on-Write. Effective Pandas berperan sebagai pelatih gaya: buku ini membandingkan kode yang berjalan dengan kode yang mudah dibaca dan mudah diuji, sehingga cocok dibaca setelah Anda sehari-hari memakai pandas.

Untuk yang baru menyelesaikan Section dasar course ini, Pandas for Everyone memberikan tangga latihan yang landai. Sementara itu, Python Data Science Handbook paling berguna ketika Anda ingin melihat pandas tidak berdiri sendiri, melainkan sebagai satu lapisan di antara NumPy yang menyimpan data dan Matplotlib yang menggambarnya.

Katalog Buku dalam DataFrame #

Sesuai kebiasaan sepanjang course ini, mari kita perlakukan daftar buku sebagai data: masukkan ke DataFrame, lalu urutkan. Skrip berikut menyusun katalog dan mengurutkannya dengan dua kunci sekaligus.

import pandas as pd

katalog = pd.DataFrame(
    {
        "judul": [
            "Python for Data Analysis",
            "Effective Pandas",
            "Pandas for Everyone",
            "Python Data Science Handbook",
        ],
        "penulis": [
            "Wes McKinney",
            "Matt Harrison",
            "Daniel Y. Chen",
            "Jake VanderPlas",
        ],
        "poin kuat": [
            "Referensi alur kerja pandas",
            "Pola kode yang idiomatik",
            "Jalur belajar bertahap",
            "Konteks NumPy dan Matplotlib",
        ],
        "tingkat": ["menengah", "menengah", "pemula", "menengah"],
    }
)

katalog = katalog.sort_values(["tingkat", "judul"], ignore_index=True)
print(katalog.to_string(index=False))

Output yang Dihasilkan:

                       judul         penulis                    poin kuat  tingkat
            Effective Pandas   Matt Harrison     Pola kode yang idiomatik menengah
Python Data Science Handbook Jake VanderPlas Konteks NumPy dan Matplotlib menengah
    Python for Data Analysis    Wes McKinney  Referensi alur kerja pandas menengah
         Pandas for Everyone  Daniel Y. Chen       Jalur belajar bertahap   pemula

Mari kita telaah mekanismenya:

1. Konstruksi DataFrame: dictionary pada baris 4-24 memetakan nama kolom ke daftar nilai; keempat daftar harus sama panjang, dan setiap posisi index menyimpan satu baris katalog.
2. sort_values(["tingkat", "judul"], ignore_index=True): pandas mengurutkan berdasarkan tingkat lebih dulu, lalu memutus seri yang sama dengan judul. Argumen ignore_index=True membuat nomor baris dihitung ulang dari nol agar output rapi.
3. to_string(index=False): mencetak seluruh tabel tanpa menyembunyikan baris; kolom index ikut disembunyikan karena tidak membawa informasi katalog.

Hasil pengurutannya juga mengajarkan satu hal kecil: pengurutan teks di pandas mengikuti urutan karakter, sehingga “menengah” tampil sebelum “pemula” — bukan berdasarkan tingkat kesulitan yang kita bayangkan. Ketika kolom semacam ini akan sering dipakai untuk pembanding, mengubahnya menjadi dtype category dengan urutan eksplisit, seperti yang dibahas pada Section Data Teks dan Kategori, membuat pengurutan berperilaku sesuai makna.

Membaca Buku di Era pandas 3.0 #

Setiap buku tercetak membeku pada versi pandas saat buku itu ditulis, sementara pandas terus bergerak. Rilis 3.0 mengubah beberapa perilaku yang paling sering muncul di halaman buku lama: tipe data string kini menjadi default untuk teks, Copy-on-Write selalu aktif sehingga pola chained assignment lama tidak lagi mengubah data, dan DataFrame.applymap() digantikan oleh DataFrame.map(). Jadi, ketika sebuah contoh buku tampak berbeda dari perilaku komputer Anda, bukan berarti contohnya salah — hanya konteks versinya yang berbeda.

Cara membaca yang efektif di era transisi: biarkan buku memandu konsep, lalu verifikasi perilaku contoh pada dokumentasi versi terpasang. Dua halaman resmi menjadi teman baca yang tepat — panduan migrasi string pandas 3.0 untuk semua contoh teks lama, dan halaman Copy-on-Write untuk pola assignment yang berubah. What’s New rilis 3.0 yang dirujuk chapter sebelumnya melengkapi keduanya.

Buku memberi kedalaman, tetapi kebutuhan latihan singkat yang terkurasi lebih cocok dijawab oleh tutorial. Chapter berikutnya menyusun tutorial resmi, cheatsheet, dan artikel yang layak dijadikan bahan latihan rutin.