Datetime Index dan Resampling
Tujuan Pembelajaran
- Membuat DatetimeIndex dan meringkas frekuensi pesanan per bulan.
- Menjelaskan alasan di balik langkah analisis dan memeriksa hasilnya.
Datetime index mendukung ringkasan berbasis periode
Berbeda dari kolom biasa, DatetimeIndex menaruh waktu pada sumbu baris tabel. Ini penting karena resample membaca jarak kalender dari index tersebut untuk membentuk kelompok harian atau bulanan. Jika tanggal masih berupa kolom, kita perlu mengubah tipenya lalu menjadikannya index sebelum meminta ringkasan per periode.
Kolom tanggal yang masih berbentuk teks belum otomatis dikenali sebagai waktu. pd.to_datetime mengubahnya menjadi tipe tanggal-waktu agar Pandas dapat mengurutkan dan menghitung interval waktu. resample kemudian membagi data ke dalam kelompok interval seperti hari, minggu, atau bulan. Karena fungsi ini bekerja pada sumbu waktu, kolom tanggal harus menjadi DatetimeIndex, misalnya dengan set_index("order_date") seperti pada contoh.
Kode MS berarti interval bulanan yang dimulai pada awal bulan. Pesanan bertanggal 1 sampai akhir Januari masuk ke kelompok Januari, dan seterusnya. Label hasil menunjukkan awal interval, bukan selalu tanggal transaksi. Pilihan batas dan label interval berpengaruh terutama ketika menggunakan awal atau akhir minggu/bulan; pahami aturan tersebut jika periode analisis dimulai atau berakhir di sekitar pergantian interval. Pastikan zona waktu dan format tanggal juga sesuai jika data berasal dari lokasi yang berbeda.
size() menghitung banyaknya baris pada setiap interval, termasuk baris yang kolom lain mungkin kosong. Itu berbeda dari menjumlahkan kolom nilai atau menghitung nilai tidak kosong pada satu kolom. Di sini unitnya adalah baris pesanan, jadi pastikan tabel memang satu baris per order. Jika memakai tabel item, size() akan menghitung baris item dan bukan jumlah order.
Menghitung jumlah pesanan per bulan
import pandas as pd
orders = pd.read_csv("datasets/orders.csv")
orders["order_date"] = pd.to_datetime(orders["order_date"])
monthly = orders.set_index("order_date").resample("MS").size()
print(monthly)
Resampling memerlukan index bertipe waktu
2026-01: 3; 2026-02: 3; 2026-03: 3; 2026-04: 3
Hasil menunjukkan tiga baris pesanan pada setiap bulan dari Januari sampai April 2026. Label seperti 2026-01-01 mewakili interval bulan Januari yang dimulai pada tanggal tersebut, bukan berarti semua pesanan terjadi pada tanggal 1. Untuk menyimpulkan bahwa pesanan merata per bulan, kita memerlukan konteks periode dan cakupan data, di contoh ini hanya empat bulan.
Periksa total bulanan dengan menjumlahkan nilai pada Series dan membandingkannya dengan banyaknya baris orders. Jika hasil tidak cocok, periksa tanggal yang gagal dikonversi (biasanya menjadi NaT), rentang waktu, dan apakah ada filter sebelumnya. Hasil dapat memiliki label tanggal bertipe datetime walau saat dicetak tampak seperti tanggal biasa; tipe index dan angka agregat sama-sama penting untuk diperiksa.
Urutkan tanggal, tetapkan ke index, pilih frekuensi lalu cek label interval pada batas bulan.
dt.month extraction dan resample berbeda; resample membentuk bin interval waktu.
Latihan Interaktif
Latihan 01
Resample jumlah order per awal bulan dan kembalikan nilai hitung sebagai Series berindex baru.
dt.month extraction dan resample berbeda; resample membentuk bin interval waktu.
import pandas as pd
orders = pd.read_csv("datasets/orders.csv")
orders["order_date"] = pd.to_datetime(orders["order_date"])
result = orders.set_index("order_date").resample("MS").size().reset_index(drop=True)
print(result)
Keluaran program
Python belum dimuat. Pilih Jalankan Kode untuk memulai.
Keluaran
Pesan diagnostik
Kesalahan program
Pratinjau Pandas
Grafik
Lihat penjelasan hasil
Pastikan timezone, frekuensi, dan batas interval sesuai analisis.
Lihat Petunjuk
dt.month extraction dan resample berbeda; resample membentuk bin interval waktu.
Lihat Pembahasan
Pastikan timezone, frekuensi, dan batas interval sesuai analisis.
Latihan 02
Prasyarat utama resample apa?
Lihat Pembahasan
Pastikan timezone, frekuensi, dan batas interval sesuai analisis.
Ringkasan
- Membuat DatetimeIndex dan meringkas frekuensi pesanan per bulan.
- Catat asumsi yang memengaruhi hasil sebelum menyampaikan kesimpulan.
Bacaan lebih lanjut
Langkah berikutnya