Glosarium

Chapter penutup ini merangkum kosakata yang telah kita bangun sepanjang perjalanan. Istilah teknis bekerja seperti bahasa bersama: begitu Anda menulis “CoW membuat hasil indexing berperilaku seperti salinan”, rekan kerja atau penjawab di forum langsung memahami masalahnya tanpa salah tafsir. Tabel berikut menghimpun lima belas istilah inti yang paling sering muncul, disusun mengikuti urutan materi Course, dengan definisi yang konsisten terhadap perilaku pandas 3.0 yang kita uji sepanjang course.

Kamus Istilah Inti #

Istilah	Definisi singkat
Series	Objek data satu dimensi berlabel; satu Series menjadi satu kolom DataFrame.
DataFrame	Tabel dua dimensi dengan baris dan kolom berlabel; struktur data utama pandas.
index	Label yang menempel pada tiap baris atau kolom; dasar seleksi `loc`/`iloc` dan alignment antar objek.
dtype	Tipe data elemen dalam satu kolom; sejak pandas 3.0, teks memakai dtype `str` dan waktu memakai `datetime64[us]`.
NaN	Penanda nilai kosong pada data; ditangani dengan `dropna`, `fillna`, atau interpolasi.
broadcasting	Aturan pandas memperluas operasi antar objek berbeda bentuk — misalnya menambah satu angka ke seluruh kolom — sehingga terhitung elemen per elemen.
vectorization	Menjalankan operasi atas seluruh kolom sekaligus di level array; jauh lebih cepat daripada loop per baris.
Copy-on-Write	Kebijakan pandas 3.0 yang selalu aktif: hasil indexing berperilaku seperti salinan, sehingga perubahan dilakukan pada objek aslinya, misalnya lewat `loc`.
MultiIndex	Index bertingkat dengan lebih dari satu level label pada sumbu baris atau kolom.
groupby	Pola split-apply-combine: membagi baris per kelompok, menerapkan agregasi, lalu menyatukan hasilnya.
merge / join	Penggabungan dua tabel berdasarkan kolom atau index yang cocok, mirip `JOIN` di SQL.
pivot / melt	Dua operasi pembentuk tabel yang saling berlawanan: pivot membentang baris menjadi kolom, melt melelehkan kolom menjadi baris.
resample	Agregasi deret waktu ke frekuensi lain, misalnya data harian menjadi rata-rata mingguan.
category	dtype untuk kolom dengan himpunan nilai tetap; hemat memori dan mendukung urutan eksplisit.
chunk	Potongan data yang dibaca atau diproses bertahap agar penggunaan memori tetap terkendali pada file besar.

Definisi di atas sengaja padat; pembahasan penuh tiap istilah tersedia di section asalnya dan di user guide pandas . Dua definisi yang menyebut pandas 3.0 secara eksplisit — dtype str untuk teks dan Copy-on-Write — paling sering membuat contoh tutorial lama tampak berbeda di komputer Anda.

Kamus yang Hidup di Terminal #

Tabel akan lebih berguna bila bisa diakses tanpa meninggalkan terminal. Skrip berikut memuat istilah yang sama ke dictionary Python, lengkap dengan fungsi cari untuk melihat satu istilah saja.

python

"""Kamus mini istilah pandas — cetak seluruhnya, atau cari satu istilah."""

kamus = {
    "Series": "Objek data satu dimensi berlabel; bahan dari satu kolom DataFrame.",
    "DataFrame": "Tabel dua dimensi dengan baris dan kolom berlabel; struktur data utama pandas.",
    "index": "Label yang menempel pada tiap baris atau kolom, dipakai untuk seleksi dan alignment.",
    "dtype": "Tipe data elemen satu kolom, misalnya int64, float64, str, datetime64[us].",
    "NaN": "Penanda nilai kosong; ditangani dengan dropna, fillna, atau interpolasi.",
    "broadcasting": "Operasi diperluas otomatis antar objek berbeda bentuk, dihitung elemen per elemen.",
    "vectorization": "Operasi dijalankan atas seluruh kolom sekaligus, tanpa loop per baris.",
    "Copy-on-Write": "Kebijakan pandas 3.0: hasil indexing berperilaku seperti salinan.",
    "MultiIndex": "Index bertingkat dengan lebih dari satu level label pada sumbu baris atau kolom.",
    "groupby": "Pola split-apply-combine: bagi baris per kelompok, agregasikan, lalu satukan hasilnya.",
    "merge / join": "Menggabungkan dua tabel lewat kolom atau index yang cocok, mirip JOIN di SQL.",
    "pivot / melt": "Dua operasi pembentuk tabel yang berlawanan: pivot membentang, melt melelehkan.",
    "resample": "Agregasi deret waktu ke frekuensi lain, misalnya harian menjadi rata-rata mingguan.",
    "category": "dtype untuk nilai dari himpunan tetap; hemat memori dan mendukung urutan eksplisit.",
    "chunk": "Potongan data yang diproses bertahap agar memori tetap terkendali pada file besar.",
}


def cari(istilah: str) -> str:
    """Mengembalikan definisi istilah, atau pesan bila belum terdaftar."""
    return kamus.get(istilah, f"'{istilah}' belum terdaftar di kamus")


if __name__ == "__main__":
    for istilah, definisi in kamus.items():
        print(f"{istilah}: {definisi}")
    print()
    print(f"Total {len(kamus)} istilah terdaftar.")

Output yang Dihasilkan:

text
Series: Objek data satu dimensi berlabel; bahan dari satu kolom DataFrame.
DataFrame: Tabel dua dimensi dengan baris dan kolom berlabel; struktur data utama pandas.
index: Label yang menempel pada tiap baris atau kolom, dipakai untuk seleksi dan alignment.
dtype: Tipe data elemen satu kolom, misalnya int64, float64, str, datetime64[us].
NaN: Penanda nilai kosong; ditangani dengan dropna, fillna, atau interpolasi.
broadcasting: Operasi diperluas otomatis antar objek berbeda bentuk, dihitung elemen per elemen.
vectorization: Operasi dijalankan atas seluruh kolom sekaligus, tanpa loop per baris.
Copy-on-Write: Kebijakan pandas 3.0: hasil indexing berperilaku seperti salinan.
MultiIndex: Index bertingkat dengan lebih dari satu level label pada sumbu baris atau kolom.
groupby: Pola split-apply-combine: bagi baris per kelompok, agregasikan, lalu satukan hasilnya.
merge / join: Menggabungkan dua tabel lewat kolom atau index yang cocok, mirip JOIN di SQL.
pivot / melt: Dua operasi pembentuk tabel yang berlawanan: pivot membentang, melt melelehkan.
resample: Agregasi deret waktu ke frekuensi lain, misalnya harian menjadi rata-rata mingguan.
category: dtype untuk nilai dari himpunan tetap; hemat memori dan mendukung urutan eksplisit.
chunk: Potongan data yang diproses bertahap agar memori tetap terkendali pada file besar.

Total 15 istilah terdaftar.

Mari kita telaah mekanismenya:

Dictionary kamus: pasangan istilah-definisi disimpan sebagai dictionary; Python menjaga urutan penyisipannya, sehingga output tampil setara seperti kamus cetak.
Fungsi cari(istilah): memakai dict.get dengan pesan cadangan, sehingga istilah yang belum terdaftar mengembalikan teks ramah alih-alih KeyError.
Blok if __name__ == "__main__": memastikan kamus dicetak hanya saat skrip dijalankan langsung; bila diimpor, kamusnya bisa dipakai tanpa memenuhi layar output.

Menutup Perjalanan Course ini #

Course ini dimulai dari satu pertanyaan sederhana — apa itu pandas — lalu berjalan melewati Series dan DataFrame, pembacaan berbagai sumber data, indexing, pembersihan, agregasi, penggabungan tabel, deret waktu, teks dan kategori, missing data, visualisasi, ekosistem Python, performa, topik lanjutan, pengujian, hingga pipeline data engineering. Section terakhir ini kemudian menitipkan peralatan mandirinya: dokumentasi resmi, referensi API, buku, tutorial, dataset latihan, dan contoh kode. Satu-satunya langkah yang tersisa ada di tangan Anda: buka dataset pilihan sendiri, ajukan pertanyaan analisis pertama, dan terapkan pola yang sudah kita latih berulang-ulang. Bila ada istilah yang terasa kabur di tengah jalan, kembalilah ke tabel di atas; dan bila perilaku pandas berubah di masa depan, halaman working with missing data beserta teman-teman resminya tetap menjadi rumah pertama untuk memverifikasinya. Selamat melanjutkan perjalanan data Anda.