Pandas punya ratusan fungsi, dan dokumentasinya bisa bikin kamu merasa harus hafal semuanya sebelum boleh kerja. Kenyataannya, perintah Pandas yang dipakai data analyst tiap hari itu jumlahnya sedikit. Sebagian besar pekerjaan analisis berputar di belasan perintah yang sama: baca data, cek isinya, bersihkan, ringkas, lalu gabungkan.
Artikel ini membahas 12 perintah itu dengan satu dataset contoh yang sama dari awal sampai akhir. Semua output di bawah sudah dijalankan dengan pandas 2.x, jadi kamu bisa mencobanya sendiri dan mencocokkan hasilnya.
TL;DR
- 12 perintah inti:
read_csv,head/info/describe,loc/iloc, filter boolean,sort_values,isna/fillna/dropna,drop_duplicates, operasi vektor vsapply,groupby+agg,merge,value_counts, danto_datetime+.dt.- Urutan kerja yang sehat: kenali data, bersihkan, baru ringkas. Jangan langsung
groupbysebelum cek duplikat dan nilai kosong.- Hindari
applyuntuk hitungan sederhana. Operasi vektor lebih cepat dan lebih mudah dibaca.
Bayangkan kamu analis di toko online kecil. Tim operasional mengirim file order.csv berisi transaksi Januari sampai Februari 2026:
| id_order | tanggal | kota | kategori | qty | harga | id_pelanggan |
|---|---|---|---|---|---|---|
| 1001 | 2026-01-03 | Jakarta | Fashion | 2 | 150000 | P01 |
| 1002 | 2026-01-03 | Bandung | Elektronik | 1 | 850000 | P02 |
| 1003 | 2026-01-10 | Surabaya | Fashion | 3 | 120000 | P03 |
| 1004 | 2026-01-15 | Jakarta | Rumah Tangga | 4 | 60000 | P01 |
| 1005 | 2026-02-02 | Bandung | Fashion | 1 | 200000 | P04 |
| 1006 | 2026-02-08 | Jakarta | Elektronik | 1 | 1200000 | P05 |
| 1007 | 2026-02-14 | Surabaya | Rumah Tangga | 75000 | P03 | |
| 1007 | 2026-02-14 | Surabaya | Rumah Tangga | 75000 | P03 |
Sengaja ada dua masalah khas data kantor: order 1007 tercatat dua kali, dan kolom qty-nya kosong. Kita akan beresin keduanya di tengah jalan.
Perintah Pandas untuk Mengenal Data: Nomor 1 sampai 3
1. read_csv: membuka file
import pandas as pd
import numpy as np
df = pd.read_csv("order.csv")
Kalau file pakai pemisah titik koma (sering terjadi pada CSV hasil Excel berbahasa Indonesia), tambahkan sep=";". Untuk file Excel, padanannya pd.read_excel().
2. head, info, describe: kenalan dulu sebelum analisis
df.head(3)
df.info()
df.describe()
head(3) menampilkan tiga baris pertama. info() yang paling sering menyelamatkan kamu:
RangeIndex: 8 entries, 0 to 7
Data columns (total 7 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 id_order 8 non-null int64
1 tanggal 8 non-null object
2 kota 8 non-null object
3 kategori 8 non-null object
4 qty 6 non-null float64
5 harga 8 non-null int64
6 id_pelanggan 8 non-null object
Dari sini kelihatan dua hal. Pertama, qty cuma punya 6 nilai dari 8 baris, artinya ada yang kosong. Kedua, tanggal masih bertipe object (teks), belum tanggal. qty juga jadi float64 karena kolom angka yang punya nilai kosong otomatis disimpan sebagai desimal.
describe() memberi ringkasan statistik kolom angka. Untuk harga, rata-ratanya 341.250 sementara mediannya 135.000. Selisih sebesar itu tanda ada beberapa transaksi mahal yang menarik rata-rata ke atas.
3. loc dan iloc: mengambil baris dan kolom tertentu
df.loc[df["kota"] == "Jakarta", ["id_order", "harga"]]
df.iloc[0:2, 0:3]
loc memilih berdasarkan label dan kondisi. Baris pertama di atas menghasilkan order 1001, 1004, dan 1006 beserta harganya. iloc memilih berdasarkan posisi angka: dua baris pertama dan tiga kolom pertama. Aturan gampangnya, pakai loc saat kamu tahu nama kolomnya, dan iloc saat kamu butuh posisi.
Menyaring dan Mengurutkan: Perintah 4 dan 5
4. Filter boolean
df[(df["kota"] == "Jakarta") & (df["harga"] >= 100000)]
Hasilnya dua baris: order 1001 (150.000) dan 1006 (1.200.000). Order 1004 nggak lolos karena harganya cuma 60.000. Ingat tiga aturan: pakai & untuk "dan", | untuk "atau", dan bungkus tiap kondisi dengan kurung. Untuk beberapa nilai sekaligus, df[df["kota"].isin(["Bandung", "Surabaya"])] lebih rapi daripada menulis | berkali-kali.
5. sort_values
df.sort_values("harga", ascending=False).head(3)
Tiga teratas: order 1006 (1.200.000), 1002 (850.000), dan 1005 (200.000). Pola sort_values lalu head ini auto kepakai setiap ada permintaan "top 5 produk" atau "10 pelanggan terbesar".
Membersihkan Data: Perintah 6 dan 7
6. isna, fillna, dropna
Cek dulu ada berapa nilai kosong per kolom:
df.isna().sum()
Hasilnya qty bernilai 2, kolom lain 0. Lalu putuskan mau diapakan. Ada dua pilihan umum:
df.dropna(subset=["qty"]) # buang baris yang qty-nya kosong
df["qty"].fillna(1) # isi qty kosong dengan 1
Mana yang benar? Tergantung konteks bisnis, bukan selera. Di contoh ini, misalkan tim operasional mengonfirmasi bahwa order tanpa qty adalah order satuan. Jadi kita pakai fillna(1). Kalau nggak ada konfirmasi, lebih aman tanya dulu daripada menebak.
7. drop_duplicates
df.duplicated().sum() # hasil: 1
df = df.drop_duplicates()
df["qty"] = df["qty"].fillna(1)
Sekarang data tinggal 7 baris dan nggak ada lagi qty kosong. Urutan ini penting. Kalau kamu menjumlahkan sebelum membuang duplikat, omzet order 1007 terhitung dua kali dan laporanmu salah.
Untuk duplikat berdasarkan kolom tertentu saja, pakai drop_duplicates(subset=["id_order"]).
Menghitung dan Meringkas: Perintah 8 sampai 10
8. Operasi vektor vs apply
Kita butuh kolom total = qty × harga. Banyak pemula menulis:
df["total"] = df.apply(lambda baris: baris["qty"] * baris["harga"], axis=1)
Hasilnya benar, tapi apply dengan axis=1 memproses baris satu per satu. Untuk data jutaan baris, bedanya terasa. Cara yang lebih cepat dan lebih pendek:
df["total"] = df["qty"] * df["harga"]
Ini operasi vektor: satu instruksi untuk seluruh kolom. Kolom total sekarang berisi 300.000, 850.000, 360.000, 240.000, 200.000, 1.200.000, dan 75.000. Simpan apply untuk logika yang memang nggak bisa ditulis dengan operasi kolom biasa. Untuk kondisi IF, pakai np.where:
df["segmen"] = np.where(df["total"] >= 500000, "Besar", "Biasa")
Order 1002 dan 1006 masuk "Besar", sisanya "Biasa".
9. groupby + agg
Pertanyaan bisnis: kota mana yang paling besar penjualannya?
(
df.groupby("kota")
.agg(jumlah_order=("id_order", "count"),
total_penjualan=("total", "sum"))
.sort_values("total_penjualan", ascending=False)
)
| kota | jumlah_order | total_penjualan |
|---|---|---|
| Jakarta | 3 | 1740000 |
| Bandung | 2 | 1050000 |
| Surabaya | 2 | 435000 |
Format nama_baru=("kolom", "fungsi") disebut named aggregation. Hasilnya langsung punya nama kolom yang jelas, jadi tinggal tempel ke laporan. Jakarta didapat dari 300.000 + 240.000 + 1.200.000 = 1.740.000.
10. merge
Tabel order cuma punya id_pelanggan. Nama pelanggan ada di tabel lain:
pelanggan = pd.DataFrame({
"id_pelanggan": ["P01", "P02", "P03", "P04"],
"nama": ["Rina", "Budi", "Sari", "Dimas"],
})
hasil = df.merge(pelanggan, on="id_pelanggan", how="left")
Dengan how="left", semua 7 order tetap ada. Order 1006 milik P05 yang belum terdaftar, jadi kolom nama-nya NaN. Ini justru temuan berguna: ada pelanggan yang belum masuk master data. Kalau kamu pakai how="inner", order 1,2 juta itu hilang diam-diam dari laporan. Selalu cek jumlah baris sebelum dan sesudah merge.
Kalau kamu sudah kenal SQL, merge ini sama dengan JOIN. Penjelasan JOIN ada di artikel query SQL dasar untuk pemula.
Menghitung Frekuensi dan Mengolah Tanggal: Perintah 11 dan 12
11. value_counts
df["kategori"].value_counts()
kategori
Fashion 3
Elektronik 2
Rumah Tangga 2
Name: count, dtype: int64
Tambahkan normalize=True untuk melihat proporsinya: Fashion sekitar 0,43 atau 43 persen dari order. Ini cara tercepat menjawab "kategori apa yang paling sering dibeli?".
12. to_datetime + aksesor dt
Ingat kolom tanggal yang masih teks? Ubah dulu:
df["tanggal"] = pd.to_datetime(df["tanggal"])
df["bulan"] = df["tanggal"].dt.month
df.groupby("bulan")["total"].sum()
Hasilnya Januari (1) sebesar 1.750.000 dan Februari (2) sebesar 1.475.000. Aksesor .dt punya banyak atribut lain: .dt.year, .dt.day_name(), dan .dt.to_period("M") untuk mengelompokkan per bulan sekaligus tahun. Tanpa to_datetime, semua ini nggak bisa jalan.
Urutan Kerja yang Biasa Dipakai Analis
Kalau dirangkum, 12 perintah tadi membentuk alur yang hampir selalu sama:
- Baca:
read_csvatauread_excel. - Kenali:
head,info,describe,value_counts. - Bersihkan:
isna,fillna/dropna,drop_duplicates,to_datetime. - Tambah kolom: operasi vektor,
np.where. - Gabungkan:
merge. - Ringkas:
groupby+agg,sort_values.
Kalau kamu datang dari Excel, banyak perintah ini punya padanan langsung dengan rumus yang sudah kamu kenal. Daftarnya ada di halaman padanan rumus Excel di Pandas.
Pertanyaan yang Sering Ditanyakan
Apa bedanya loc dan iloc di Pandas?
loc memilih data berdasarkan label (nama kolom, label index, atau kondisi). iloc memilih berdasarkan posisi angka, mulai dari 0. Contoh: df.loc[:, "harga"] dan df.iloc[:, 5] sama-sama mengambil kolom harga di dataset ini.
Kapan pakai fillna dan kapan dropna?
Pakai fillna kalau kamu tahu nilai pengganti yang masuk akal secara bisnis. Pakai dropna kalau baris tanpa nilai itu memang nggak bisa dipakai. Kalau ragu, tanyakan ke pemilik data.
Kenapa apply dianggap lambat?
apply dengan axis=1 menjalankan fungsi Python untuk setiap baris. Operasi vektor seperti df["a"] * df["b"] diproses sekaligus di level yang lebih rendah, jadi jauh lebih cepat untuk data besar.
Perlu hafal semua parameter?
Tidak. Hafalkan pola umumnya, lalu cek dokumentasi atau kamus saat butuh parameter spesifik. Yang penting kamu tahu perintah mana yang dipakai untuk masalah apa.
Penutup
Dua belas perintah ini sudah cukup untuk menyelesaikan sebagian besar tugas analisis harian: membuka data, mengenali masalahnya, membersihkan, menghitung, menggabungkan, dan meringkas. Yang membedakan analis pemula dan analis yang dipercaya biasanya bukan jumlah fungsi yang dihafal, tapi kebiasaan mengecek duplikat, nilai kosong, dan jumlah baris sebelum menyerahkan angka.
Biar perintah-perintah ini nempel di tangan, coba kerjakan soal kasus di Paket Latihan Pandas dan cocokkan jawabanmu dengan pembahasannya.