Tutorial dan Artikel

Buku membangun pemahaman dalam sesi panjang, sedangkan keterampilan pandas sehari-hari justru dirawat lewat latihan singkat yang rutin. Di sinilah tutorial dan cheatsheet berperan: masing-masing bisa diselesaikan dalam belasan menit, tetapi kalau diulang secara berkala, keduanya menjaga method-method penting tetap melekat. Chapter ini menyusun tutorial resmi pandas, cheatsheet resmi, dan kriteria memilih artikel — lalu ditutup dengan satu latihan mini yang meniru pola tutorial resmi.

Tutorial Resmi dan Resep di Situs pandas #

Situs pandas menyediakan beberapa jenis bahan latihan resmi; masing-masing punya tujuan berbeda, jadi pilih sesuai situasi.

Halaman Tutorial di atas menautkan materi dari berbagai penulis yang dikurasi tim pandas; karena sumbernya beragam, periksa versi pandas yang dipakai tiap tutorial sebelum menyalakan polanya di kode Anda. Berbeda dari itu, 10 minutes to pandas ditulis oleh tim pandas sendiri dan selalu mutakhir — jadikan halaman ini ritual pembuka mingguan. Cookbook kemudian menjadi kumpulan solusi: setiap resep pendek, langsung ke inti masalah, dan mudah diadaptasi.

Cheatsheet Resmi untuk Pengingat Cepat #

Tim pandas menerbitkan cheatsheet resmi berformat PDF berisi dua halaman ringkas: struktur data, subset seleksi, groupby, merge, dan pembentukan tabel. Cheatsheet bukan bahan belajar pertama — halaman itu menampilkan sintaks tanpa penjelasan panjang — tetapi sangat efektif sebagai pengingat saat kode sedang mengalir. Cetak atau simpan cheatsheet tersebut di layar kedua; setiap kali tergelincir ke df[df["kolom"] == x] padahal pola query lebih bersih, cheatsheet yang terlihat akan mengoreksi kebiasaan itu.

Latihan Mini ala 10 Minutes to pandas #

Tutorial resmi mengalirkan lima kemampuan dasar dalam satu tur: membuat objek, melihat data, memilih data, mengagregasi, dan meringkas statistik. Skrip berikut mengulang pola itu dengan data penjualan kecil agar Anda bisa membandingkan langkahnya dengan halaman resmi.

import numpy as np
import pandas as pd

rng = np.random.default_rng(42)
df = pd.DataFrame(
    {
        "tanggal": pd.date_range("2026-01-01", periods=6, freq="D"),
        "produk": ["Kopi", "Teh", "Kopi", "Teh", "Kopi", "Teh"],
        "terjual": rng.integers(10, 50, size=6),
    }
)

print(df)
print()

print("Total per produk:")
print(df.groupby("produk")["terjual"].sum())
print()

print("Ringkasan kolom terjual:")
print(df["terjual"].describe())

Output yang Dihasilkan:

     tanggal produk  terjual
0 2026-01-01   Kopi       13
1 2026-01-02    Teh       40
2 2026-01-03   Kopi       36
3 2026-01-04    Teh       27
4 2026-01-05   Kopi       27
5 2026-01-06    Teh       44

Total per produk:
produk
Kopi     76
Teh     111
Name: terjual, dtype: int64

Ringkasan kolom terjual:
count     6.000000
mean     31.166667
std      11.232394
min      13.000000
25%      27.000000
50%      31.500000
75%      39.000000
max      44.000000
Name: terjual, dtype: float64

Mari kita telaah pola latihannya:

1. Baris 6-12: DataFrame dibangun dari dictionary; kolom tanggal memakai pd.date_range dengan frekuensi harian, dan kolom terjual berasal dari generator acak ber-seed 42 sehingga hasilnya tetap sama setiap kali dijalankan.
2. Baris 19-20: groupby("produk") membagi baris per produk, lalu sum() menjumlahkan kolom terjual tiap kelompok — pola split-apply-combine yang menjadi inti Section GroupBy dan Agregasi.
3. Baris 23-24: describe() menghasilkan delapan statistik ringkas sekaligus untuk kolom terjual, dari count sampai max.

Latihan seperti ini sengaja pendek: tujuannya bukan memecahkan masalah besar, melainkan menjaga pola dasar tetap panas. Ganti seed, ganti nama kolom, dan ulangi tanpa melihat skrip — saat Anda bisa menulisnya dari ingatan, turun ke tutorial berikutnya terasa jauh lebih ringan.

Memilih Artikel yang Layak Dibaca #

Artikel mengisi sisa ruang belajar, tetapi kualitasnya bervariasi. Tiga kriteria berikut menyaring dengan cepat: pertama, artikel menyebut versi pandas yang dipakai — tanpa itu, contoh berbasis perilaku lama bisa menyesatkan, terutama seputar string dtype dan Copy-on-Write di era 3.0. Kedua, artikel menyertakan contoh yang bisa dijalankan, bukan hanya tangkapan layar. Ketiga, artikel menautkan sumber resminya; halaman What’s New menjadi pembanding netral untuk memverifikasi klaim tentang perubahan perilaku antar versi.

Prioritaskan artikel di situs resmi atau dari penulis yang jelas identitasnya, dan berhati-hati terhadap judul yang menjanjikan hasil instan tanpa menunjukkan kodenya. Artikel yang baik memperlakukan pembaca sebagai rekan kerja, bukan penonton.

Tutorial melatih gerakan, artikel melatih penilaian; keduanya tetap membutuhkan bahan mentah. Chapter berikutnya menyediakan bahan itu: dataset terbuka yang aman dipakai untuk berlatih tanpa risiko data nyata.