Lompat ke konten utama
←

Analisis Data dengan Python

Pelajaran 16 dari 24

Groupby dan agregasi

Beberapa ringkasan sekaligus: agg

Setelah pelajaran ini kamu bisa menghitung beberapa ringkasan sekaligus dan mengembalikan hasilnya menjadi tabel biasa.

  • ±13 menit
  • 3 latihan
  • Diperiksa 28 Sep 2026

Latihan di pelajaran ini butuh akun gratis. Progres, kode, dan catatanmu hanya tersimpan di browser ini. Masuk untuk menyimpannya

Materi

.agg(nama_baru=("kolom", "ringkasan")) menghitung beberapa ringkasan dalam satu langkah dan sekaligus memberi nama kolom hasilnya. Nama ringkasan yang dipakai di kelas ini: sum, mean, count, min, max. Satu pemanggilan agg menggantikan beberapa groupby terpisah yang hasilnya harus disatukan kemudian.

rekap = df.groupby("cabang").agg(
    omzet=("total", "sum"),
    transaksi=("total", "count"),
)

Setelah groupby, nama kelompok berada di indeks, bukan di kolom. .reset_index() memindahkannya kembali menjadi kolom biasa sehingga hasilnya berbentuk tabel seperti data asalnya dan dapat diurutkan, digabung, atau disimpan ke CSV.

rekap = rekap.reset_index()
print(list(rekap.columns))   # ['cabang', 'omzet', 'transaksi']

Contoh di luar latihan: tabel kunjungan poliklinik dikelompokkan berdasar kolom poli, lalu agg mengambil tiga ringkasan sekaligus — banyaknya nomor rekam medis, rata-rata menit tunggu, dan menit tunggu terlama. Hasilnya satu tabel empat kolom yang langsung dapat ditempel ke laporan bulanan.

Kesalahan umum: menulis nama ringkasan yang tidak dikenal, misalnya rata alih-alih mean; pandas berhenti dengan AttributeError. Kesalahan kedua: lupa .reset_index(), sehingga nama kelompok tetap di indeks dan pengurutan berdasar kolom itu dijawab KeyError.

Latihan

0/3 lulus

Jawaban diperiksa di server. Lulus berarti kamu memahami contohnya, bukan penilaian seluruh pekerjaanmu.

Catatanmu

Memuat catatan…

tersimpan otomatis, ikut tercetak · 0/4.000

Lanjutkan ke

Tampilkan 3 lagi

Sebagian materi kelas ini diadaptasi dari Software Carpentry — Programming with Python (inflammation) (CC-BY-4.0), Software Carpentry — Plotting and Programming in Python (gapminder) (CC-BY-4.0), Data Carpentry — Data Analysis and Visualization in Python for Ecologists (CC-BY-4.0), Kaggle learntools — Pandas (Apache-2.0), Microsoft — Data Science for Beginners (MIT).