Daftar Materi

Menggabungkan Dataset Materi 27

Memahami Join Cardinality

Tujuan Pembelajaran

  • Memvalidasi relasi many-to-one dan potensi penggandaan baris.
  • Menjelaskan alasan di balik langkah analisis dan memeriksa hasilnya.

Kardinalitas menentukan jumlah pasangan dalam merge

Periksa sisi tabel yang seharusnya unik. Saat banyak pesanan mengacu pada satu pelanggan, customer_id boleh berulang di tabel orders tetapi seharusnya muncul sekali di tabel customers. Jika key pada tabel customers berulang, satu pesanan dapat cocok ke beberapa baris dan hasil merge menjadi lebih panjang.

Kardinalitas menjelaskan berapa banyak pasangan yang mungkin terjadi pada setiap key. Dalam hubungan pelanggan dan pesanan, satu pelanggan dapat memiliki banyak pesanan, sementara setiap pesanan seharusnya dimiliki satu pelanggan. Dari sudut tabel orders ke tabel customers, pola ini disebut many-to-one: banyak baris pesanan dapat menunjuk ke satu baris pelanggan.

Jika tabel pelanggan punya dua baris untuk customer_id yang sama, satu pesanan pelanggan itu dapat cocok ke kedua baris. Akibatnya, jumlah baris setelah merge bertambah dan nilai yang dijumlahkan setelahnya berisiko ikut terhitung ganda. Parameter validate="many_to_one" meminta Pandas memeriksa bahwa key di tabel kanan benar-benar unik sesuai asumsi. Jika syarat tidak terpenuhi, merge memberi kesalahan agar kita menyelidiki datanya, bukan meneruskan hasil yang mungkin keliru.

Validasi kardinalitas tidak membuktikan bahwa setiap pesanan menemukan pelanggan. Pemeriksaan ini hanya menguji pola jumlah pasangan. Untuk mengetahui key mana yang tidak memiliki pasangan, tambahkan indicator=True atau bandingkan daftar key dari kedua tabel. Jadi, pemeriksaan join punya dua pertanyaan terpisah: apakah jumlah pasangan masuk akal, dan apakah seluruh pasangan yang diharapkan benar-benar ada?

Menguji hubungan many-to-one saat merge

import pandas as pd
orders = pd.read_csv("datasets/orders.csv")
customers = pd.read_csv("datasets/customers.csv")
result = orders.merge(customers[["customer_id", "city"]], on="customer_id", validate="many_to_one")
print(result.shape)

validate mendeteksi key yang berulang

(12, 6)

Hasil (12, 6) berarti ada 12 baris dan enam kolom setelah informasi kota ditambahkan. Jumlah baris yang tetap 12 konsisten dengan hubungan many-to-one: satu baris order tidak berkembang menjadi beberapa pasangan pelanggan. Nilai itu juga sama dengan jumlah baris orders, sehingga tidak ada baris yang terhapus pada contoh ini.

Tetap jangan menganggap jumlah baris yang sama sebagai bukti bahwa semua customer_id ditemukan. Jika jenis join-nya inner, baris tanpa pasangan bisa justru terbuang dan jumlah berkurang; pada left merge, baris order tetap ada tetapi informasi kota dapat kosong. validate memeriksa keunikan sisi pelanggan, sedangkan indicator membantu membedakan pasangan yang cocok dan tidak cocok. Gunakan keduanya bila kelengkapan dan bentuk relasi sama-sama penting.

Periksa keunikan customer_id dan jumlah baris setelah merge.

Duplikat pada tabel lookup bisa menggandakan order bila validate tidak dipakai.

Latihan Interaktif

Latihan 01

Gabungkan orders ke customers sebagai many-to-one dan kembalikan jumlah baris.

Duplikat pada tabel lookup bisa menggandakan order bila validate tidak dipakai.

import pandas as pd
orders = pd.read_csv("datasets/orders.csv")
customers = pd.read_csv("datasets/customers.csv")
merged = orders.merge(customers, on="customer_id", validate="many_to_one")
result = len(merged)
print(result)

Lihat penjelasan hasil

Kardinalitas dan kelengkapan adalah pemeriksaan berbeda.

Lihat Petunjuk

Duplikat pada tabel lookup bisa menggandakan order bila validate tidak dipakai.

Lihat Pembahasan

Kardinalitas dan kelengkapan adalah pemeriksaan berbeda.

Latihan 02

Apa yang diperiksa many_to_one?

Pilih satu jawaban
Lihat Pembahasan

Kardinalitas dan kelengkapan adalah pemeriksaan berbeda.

Ringkasan

  • Memvalidasi relasi many-to-one dan potensi penggandaan baris.
  • Catat asumsi yang memengaruhi hasil sebelum menyampaikan kesimpulan.

Bacaan lebih lanjut