Melihat isi dan tipe data

df.shape berisi pasangan (jumlah baris, jumlah kolom). df.columns berisi nama kolom. df.head(n) mengambil n baris pertama dan df.tail(n) n baris terakhir, sedangkan df.dtypes menunjukkan tipe setiap kolom. Empat perintah ini dijalankan lebih dulu pada setiap berkas yang baru diterima, sebelum satu angka pun dihitung.

print(df.shape)       # (12, 5)
print(df.head(3))
print(df.dtypes)      # int64 untuk jumlah dan total

Beberapa kolom dipilih sekaligus dengan dua kurung siku: df[["cabang", "total"]] menghasilkan DataFrame berisi dua kolom itu saja. Satu kurung siku menghasilkan Series, dan perbedaan itu menentukan method apa yang tersedia sesudahnya.

pd.api.types.is_numeric_dtype(kolom) menjawab True bila isi kolom berupa angka. Kolom tanggal yang baru dibaca dari CSV masih berupa teks, jadi jawabannya False.

Contoh di luar latihan: berkas stok gudang berisi 4000 baris. df.shape memberi (4000, 6), df.head(3) menampilkan tiga baris contoh, dan df.dtypes memperlihatkan kolom kode_barang bertipe str karena kodenya memuat huruf.

Kesalahan umum: mengira kolom angka sudah bertipe angka padahal satu selnya berisi teks seperti tanda hubung. Seluruh kolom lalu bertipe str, dan .sum() menyambung isinya menjadi satu teks panjang alih-alih menjumlahkan: kolom berisi 4, -, dan 6 dijumlah menjadi '4-6'. Kesalahan kedua: menulis df.shape() dengan kurung, yang dijawab TypeError: 'tuple' object is not callable.