Value Counts dan Unique Values
Tujuan Pembelajaran
- Menghitung frekuensi kategori dan memeriksa nilai unik.
- Menjelaskan alasan di balik langkah analisis dan memeriksa hasilnya.
unique melihat ragam kategori, value_counts menghitungnya
Misalnya, nilai status 'completed', 'Completed', dan 'completed ' akan dihitung sebagai tiga label berbeda karena perbedaan huruf besar dan spasi. Melihat daftar nilai unik membantu menemukan variasi ini; hitungan tiap label kemudian menunjukkan seberapa banyak baris terdampak. Rapikan hanya jika aturan bisnis memastikan bahwa variasi tersebut memang bermakna sama.
Sebelum merangkum data berdasarkan kategori, cari tahu kategori apa yang benar-benar muncul. unique() menampilkan nilai berbeda; value_counts() menghitung berapa kali setiap nilai muncul. Misalnya, daftar status yang terlihat hanya completed dan shipped bisa membuat kita luput dari satu nilai salah eja jika tidak memeriksa kategori lebih dulu.
Frekuensi membantu memeriksa komposisi dan menemukan label tak terduga, tetapi angka frekuensi bergantung pada baris yang tersedia dan cara missing diperlakukan. Secara default, value_counts() tidak memasukkan nilai kosong. Gunakan dropna=False jika ingin missing terlihat sebagai kategori atau hitung secara terpisah. Jika memakai normalize=True, hasil menjadi proporsi, bukan jumlah catatan.
Pemeriksaan kategori juga bisa menjadi langkah pembersihan. Jika yang diharapkan hanya store dan web, tetapi hasil menampilkan “Web ” atau “website”, mungkin ada variasi ejaan yang perlu dinormalisasi. Namun, jangan menggabungkan label sebelum memastikan maknanya sama. Kategori yang jarang bisa saja penting, seperti satu kasus returned atau canceled yang memerlukan perhatian khusus.
Frekuensi memberikan hitungan, sedangkan proporsi menunjukkan bagian terhadap total yang dipilih. Saat menafsirkan persentase, jelaskan penyebutnya: proporsi dari seluruh order, hanya order yang lengkap, atau hanya baris yang nilainya terisi. Jika ada missing dan ia dikeluarkan dari perhitungan default, penyebutnya lebih kecil daripada jumlah semua baris. Periksa total sebelum membandingkan kelompok.
Memeriksa label channel dan frekuensinya
import pandas as pd
orders = pd.read_csv("datasets/orders.csv")
print(sorted(orders["channel"].unique()))
result = orders["channel"].value_counts()
print(result)
unique dan value_counts menjawab pertanyaan berbeda
web 8; store 4
Daftar kategori menunjukkan hanya ada store dan web. Frekuensinya 4 pesanan melalui store dan 8 melalui web; jumlah 12 cocok dengan seluruh baris pada file orders. Pemeriksaan total seperti ini membantu memastikan kategori tidak terlewat.
Frekuensi tersebut menggambarkan jumlah pesanan per channel, bukan jumlah item dan bukan revenue. Satu pesanan dapat memiliki beberapa item dan harga yang berbeda, sehingga komposisi jumlah order tidak otomatis sama dengan komposisi pendapatan.
Periksa daftar kategori dan frekuensi, lalu pastikan denominator menjawab pertanyaan.
Default value_counts tidak memasukkan nilai kosong.
Latihan Interaktif
Latihan 01
Hitung frekuensi channel dari orders.csv sebagai result.
Default value_counts tidak memasukkan nilai kosong.
import pandas as pd
orders = pd.read_csv("datasets/orders.csv")
result = orders["channel"].value_counts()
print(result)
Keluaran program
Python belum dimuat. Pilih Jalankan Kode untuk memulai.
Keluaran
Pesan diagnostik
Kesalahan program
Pratinjau Pandas
Grafik
Lihat penjelasan hasil
Daftar nilai dan frekuensi menjawab pertanyaan berbeda; periksa pula nilai hilang.
Lihat Petunjuk
Default value_counts tidak memasukkan nilai kosong.
Lihat Pembahasan
Daftar nilai dan frekuensi menjawab pertanyaan berbeda; periksa pula nilai hilang.
Latihan 02
Apa beda unique dan value_counts?
Lihat Pembahasan
Daftar nilai dan frekuensi menjawab pertanyaan berbeda; periksa pula nilai hilang.
Ringkasan
- Menghitung frekuensi kategori dan memeriksa nilai unik.
- Catat asumsi yang memengaruhi hasil sebelum menyampaikan kesimpulan.
Bacaan lebih lanjut
Langkah berikutnya