Rumus Excel yang sudah kamu hafal, begini versi Pandas-nya.

30 pekerjaan yang biasa dikerjakan di Excel, dari Filter dan IF sampai VLOOKUP dan PivotTable, ditulis ulang dengan Pandas. Rumus Excel-nya di kiri, kode Pandas-nya di kanan, dan kodenya bisa kamu ubah lalu jalankan di sini.

Daftar singkat

Klik barisnya untuk melihat contoh lengkap dan menjalankan kodenya.

Di ExcelDi PandasUntuk apa
Menyaring dan mengurutkan
Filter / FILTER df[kondisi] Tampilkan baris yang memenuhi satu syarat
Filter dengan AND / OR df[(a) & (b)] Saring dengan dua syarat sekaligus
Sort / SORT sort_values() Urutkan dari yang terbesar
Hide Columns / CHOOSECOLS df[['a', 'b']] Ambil beberapa kolom saja
Remove Duplicates / UNIQUE drop_duplicates() Daftar nilai tanpa pengulangan
Top 10 Filter / LARGE nlargest() Ambil tiga nilai tertinggi
Kolom hitungan
Rumus yang ditarik ke bawah df['baru'] = … Bikin kolom baru dari kolom lain
IF np.where() Beri label berdasarkan satu syarat
IFS / IF bertingkat np.select() Beri label dengan beberapa tingkat
LEFT, UPPER, TEXTBEFORE .str Potong dan ubah teks
YEAR, MONTH, TEXT to_datetime() + .dt Ambil bulan atau tahun dari tanggal
ROUND round() Bulatkan angka
Menjumlah dan menghitung
SUM, AVERAGE, MAX, MIN sum(), mean(), max(), min() Total, rata-rata, tertinggi, terendah
COUNTIF value_counts() Hitung berapa baris yang cocok
SUMIF / SUMIFS df.loc[kondisi, kolom].sum() Jumlahkan dengan syarat
AVERAGEIFS / MAXIFS df.loc[(a) & (b), kolom].mean() Rata-rata dengan dua syarat
SUMIF untuk tiap kategori groupby() Total per kategori sekaligus
Rekap seperti PivotTable
PivotTable (Rows + Values) groupby().agg() Rekap dengan beberapa hitungan
PivotTable (Rows + Columns) pivot_table() Tabel silang kategori × bulan
Show Values As → % of Grand Total kolom / kolom.sum() Persentase dari total
Mengambil data dari tabel lain
VLOOKUP / XLOOKUP merge() Ambil kolom dari tabel lain
IFNA / IFERROR di lookup fillna() Ganti hasil lookup yang tidak ketemu
Copy-paste di bawahnya / VSTACK pd.concat() Tumpuk beberapa tabel jadi satu
Membersihkan data
COUNTBLANK / Go To Special → Blanks isna() Cari sel yang kosong
IF(ISBLANK(…)) fillna() Isi sel kosong dengan nilai tertentu
Text to Columns / TEXTSPLIT .str.split(expand=True) Pecah satu kolom jadi dua
VALUE + SUBSTITUTE .str.replace() + astype() Ubah "Rp8.500.000" jadi angka
Peringkat dan tren
RANK.EQ rank() Beri peringkat
=SUM($H$2:H2) cumsum() Total berjalan
=(B3-B2)/B2 pct_change() Pertumbuhan dari bulan ke bulan

Tiga hal yang terasa beda di awal

  1. Kamu bekerja per kolom, bukan per sel. Tidak ada E2 atau $E$2:$E$9. Kolom dipanggil dengan namanya, misalnya karyawan['gaji'], dan satu baris kode berlaku untuk semua barisnya.
  2. Data asli tidak berubah sendiri. Menyaring atau mengurutkan menghasilkan tabel baru. Tabel lamanya tetap utuh sampai kamu menimpanya dengan tanda =.
  3. Hitungan baris mulai dari 0. Baris pertama bernomor 0, bukan 1, dan tidak ada baris judul yang ikut dihitung.

Belum pernah menulis Python sama sekali? Baca dulu Apa itu Pandas? dan Cara membaca kode Pandas, masing-masing sekitar tiga menit.

Data contoh Semua contoh memakai 3 tabel ini: departemen, karyawan, penjualan

Bayangkan tiap tabel sebagai satu sheet. Kolom A adalah kolom paling kiri, dan baris 1 berisi judul kolom, jadi datanya mulai dari baris 2.

DataFrame departemen

idnama_deptlokasi
1 Keuangan Jakarta
2 Marketing Jakarta
3 IT Bandung
4 Legal Surabaya

DataFrame karyawan

idnamadept_idkotagajitgl_masukatasan_id
1 Andi Pratama 3 Bandung 12500000 2019-03-11 NaN
2 Bunga Lestari 1 Jakarta 9800000 2020-07-01 NaN
3 Candra Wijaya 3 Bandung 8200000 2021-02-15 1
4 Dewi Anggraini 2 Jakarta 7500000 2022-05-09 6
5 Eko Saputra 1 Jakarta 6900000 2023-01-16 2
6 Fajar Nugroho 2 Surabaya 11000000 2018-09-03 NaN
7 Gita Permata 3 Jakarta 8200000 2023-08-21 1
8 Hendra Gunawan NaN Medan 5500000 2024-04-02 NaN

DataFrame penjualan

idtanggalkaryawan_idprodukkategoriqtyharga
1 2026-01-05 4 Laptop Elektronik 2 8500000
2 2026-01-12 6 Printer Elektronik 1 2300000
3 2026-01-20 4 Kursi Kantor Furnitur 5 1200000
4 2026-02-03 6 Laptop Elektronik 1 8500000
5 2026-02-14 4 Meja Kerja Furnitur 3 1750000
6 2026-02-25 5 Kertas A4 ATK 20 55000
7 2026-03-02 6 Kursi Kantor Furnitur 4 1200000
8 2026-03-10 4 Printer Elektronik 2 2300000
9 2026-03-18 5 Kertas A4 ATK 30 55000
10 2026-03-27 6 Monitor Elektronik 3 1900000
01

Menyaring dan mengurutkan

Pengganti tombol Filter, Sort, dan Remove Duplicates.

Tampilkan baris yang memenuhi satu syarat

Di Excel Filter / FILTER

Data → Filter, centang "Jakarta"
atau
=FILTER(A2:G9, D2:D9="Jakarta")

Di Pandas df[kondisi]

filter.py
karyawan[karyawan['kota'] == 'Jakarta']

Hasil 4 baris × 7 kolom

idnamadept_idkotagajitgl_masukatasan_id
1 2 Bunga Lestari 1 Jakarta 9800000 2020-07-01 NaN
3 4 Dewi Anggraini 2 Jakarta 7500000 2022-05-09 6
4 5 Eko Saputra 1 Jakarta 6900000 2023-01-16 2
6 7 Gita Permata 3 Jakarta 8200000 2023-08-21 1

Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?

Bagian dalam, karyawan['kota'] == 'Jakarta', memeriksa tiap baris dan menghasilkan True atau False. Kurung siku di luarnya hanya mengambil baris yang True.

Yang perlu diingat. Membandingkan pakai dua tanda sama dengan (==). Satu tanda sama dengan di Python artinya "simpan ke", bukan "bandingkan".

Penjelasan lengkap: df[kondisi] FILTER di Excel

Saring dengan dua syarat sekaligus

Di Excel Filter dengan AND / OR

=FILTER(A2:G9, (D2:D9="Jakarta") * (E2:E9>8000000))

Di Pandas df[(a) & (b)]

filter-banyak-syarat.py
karyawan[(karyawan['kota'] == 'Jakarta') & (karyawan['gaji'] > 8000000)]

Hasil 2 baris × 7 kolom

idnamadept_idkotagajitgl_masukatasan_id
1 2 Bunga Lestari 1 Jakarta 9800000 2020-07-01 NaN
6 7 Gita Permata 3 Jakarta 8200000 2023-08-21 1

Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?

& berarti DAN, | berarti ATAU. Ini sama dengan tanda * dan + di dalam FILTER Excel.

Yang perlu diingat. Setiap syarat wajib dikurung. Tanpa kurung, Python menghitung & lebih dulu dan muncul error.

Penjelasan lengkap: df[kondisi] query() FILTER di Excel AND di Excel OR di Excel

Urutkan dari yang terbesar

Di Excel Sort / SORT

Data → Sort, kolom gaji, Largest to Smallest
atau
=SORT(A2:G9, 5, -1)

Di Pandas sort_values()

sort.py
karyawan.sort_values('gaji', ascending=False)[['nama', 'kota', 'gaji']]

Hasil 8 baris × 3 kolom

namakotagaji
0 Andi Pratama Bandung 12500000
5 Fajar Nugroho Surabaya 11000000
1 Bunga Lestari Jakarta 9800000
2 Candra Wijaya Bandung 8200000
6 Gita Permata Jakarta 8200000
3 Dewi Anggraini Jakarta 7500000
4 Eko Saputra Jakarta 6900000
7 Hendra Gunawan Medan 5500000

Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?

ascending=False artinya dari besar ke kecil. Untuk mengurutkan dengan dua kolom, isi dengan daftar: sort_values(['kota', 'gaji']).

Yang perlu diingat. Tabel aslinya tidak ikut terurut. Kalau mau dipakai lagi, simpan hasilnya ke variabel.

Penjelasan lengkap: sort_values() SORT di Excel SORTBY di Excel

Ambil beberapa kolom saja

Di Excel Hide Columns / CHOOSECOLS

Sembunyikan kolom yang tidak perlu
atau
=CHOOSECOLS(A2:G9, 2, 4, 5)

Di Pandas df[['a', 'b']]

pilih-kolom.py
karyawan[['nama', 'kota', 'gaji']]

Hasil 8 baris × 3 kolom

namakotagaji
Andi Pratama Bandung 12500000
Bunga Lestari Jakarta 9800000
Candra Wijaya Bandung 8200000
Dewi Anggraini Jakarta 7500000
Eko Saputra Jakarta 6900000
Fajar Nugroho Surabaya 11000000
Gita Permata Jakarta 8200000
Hendra Gunawan Medan 5500000

Kolom dipanggil dengan namanya, bukan nomor urutnya. Kalau nanti ada kolom baru disisipkan di tengah, kode ini tetap mengambil kolom yang benar.

Yang perlu diingat. Lebih dari satu kolom butuh dua lapis kurung siku.

Penjelasan lengkap: df[['kolom']] CHOOSECOLS di Excel

Daftar nilai tanpa pengulangan

Di Excel Remove Duplicates / UNIQUE

Data → Remove Duplicates
atau
=UNIQUE(D2:D9)

Di Pandas drop_duplicates()

unique.py
karyawan[['kota']].drop_duplicates()

Hasil 4 baris × 1 kolom

kota
0 Bandung
1 Jakarta
5 Surabaya
7 Medan

Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?

Untuk membuang baris yang seluruh isinya sama persis, cukup df.drop_duplicates(). Untuk dobel berdasarkan kolom tertentu, pakai subset=['kolom'].

Yang perlu diingat. Remove Duplicates di Excel menghapus data asli. Di Pandas data asli aman sampai kamu sendiri yang menimpanya.

Penjelasan lengkap: drop_duplicates() UNIQUE di Excel

Ambil tiga nilai tertinggi

Di Excel Top 10 Filter / LARGE

Filter → Number Filters → Top 10
atau
=LARGE(E2:E9, 1), =LARGE(E2:E9, 2), …

Di Pandas nlargest()

top-n.py
karyawan.nlargest(3, 'gaji')[['nama', 'gaji']]

Hasil 3 baris × 2 kolom

namagaji
0 Andi Pratama 12500000
5 Fajar Nugroho 11000000
1 Bunga Lestari 9800000

Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?

nlargest(3, 'gaji') langsung mengembalikan baris lengkapnya, jadi nama pemilik gajinya ikut terbawa. Kebalikannya nsmallest().

Penjelasan lengkap: sort_values() head() LARGE di Excel SMALL di Excel

02

Kolom hitungan

Pengganti rumus yang biasanya kamu ketik di baris pertama lalu ditarik ke bawah.

Bikin kolom baru dari kolom lain

Di Excel Rumus yang ditarik ke bawah

=F2*G2
lalu tarik sampai baris terakhir

Di Pandas df['baru'] = …

kolom-baru.py
penjualan['omzet'] = penjualan['qty'] * penjualan['harga']
penjualan[['produk', 'qty', 'harga', 'omzet']]

Hasil 10 baris × 4 kolom

produkqtyhargaomzet
Laptop 2 8500000 17000000
Printer 1 2300000 2300000
Kursi Kantor 5 1200000 6000000
Laptop 1 8500000 8500000
Meja Kerja 3 1750000 5250000
Kertas A4 20 55000 1100000
Kursi Kantor 4 1200000 4800000
Printer 2 2300000 4600000
Kertas A4 30 55000 1650000
Monitor 3 1900000 5700000

Rumusnya ditulis sekali untuk seluruh kolom. Tidak ada yang perlu ditarik, dan tidak ada baris yang kelewatan karena lupa menarik sampai bawah.

Yang perlu diingat. Di Excel kamu berpikir per sel (F2 kali G2). Di Pandas per kolom (qty kali harga).

Penjelasan lengkap: df['baru'] = …

Beri label berdasarkan satu syarat

Di Excel IF

=IF(E2>=9000000, "Di atas 9 juta", "Di bawah 9 juta")

Di Pandas np.where()

if.py
karyawan['kelompok'] = np.where(karyawan['gaji'] >= 9000000, 'Di atas 9 juta', 'Di bawah 9 juta')
karyawan[['nama', 'gaji', 'kelompok']]

Hasil 8 baris × 3 kolom

namagajikelompok
Andi Pratama 12500000 Di atas 9 juta
Bunga Lestari 9800000 Di atas 9 juta
Candra Wijaya 8200000 Di bawah 9 juta
Dewi Anggraini 7500000 Di bawah 9 juta
Eko Saputra 6900000 Di bawah 9 juta
Fajar Nugroho 11000000 Di atas 9 juta
Gita Permata 8200000 Di bawah 9 juta
Hendra Gunawan 5500000 Di bawah 9 juta

Urutan isinya sama dengan IF: syarat, nilai kalau benar, nilai kalau salah.

Yang perlu diingat. np adalah NumPy, pustaka yang selalu ikut dipasang bersama Pandas. Dipanggil dengan import numpy as np.

Penjelasan lengkap: np.where() IF di Excel

Beri label dengan beberapa tingkat

Di Excel IFS / IF bertingkat

=IFS(E2>=10000000, "A", E2>=8000000, "B", TRUE, "C")

Di Pandas np.select()

ifs.py
syarat = [karyawan['gaji'] >= 10000000, karyawan['gaji'] >= 8000000]
label = ['A', 'B']
karyawan['grade'] = np.select(syarat, label, default='C')
karyawan[['nama', 'gaji', 'grade']]

Hasil 8 baris × 3 kolom

namagajigrade
Andi Pratama 12500000 A
Bunga Lestari 9800000 B
Candra Wijaya 8200000 B
Dewi Anggraini 7500000 C
Eko Saputra 6900000 C
Fajar Nugroho 11000000 A
Gita Permata 8200000 B
Hendra Gunawan 5500000 C

Syarat diperiksa dari atas, dan yang pertama cocok yang dipakai, sama seperti IFS. default adalah nilai untuk baris yang tidak cocok dengan syarat mana pun.

Penjelasan lengkap: np.where() IFS di Excel IF di Excel SWITCH di Excel

Potong dan ubah teks

Di Excel LEFT, UPPER, TEXTBEFORE

=TEXTBEFORE(B2, " ")
=UPPER(LEFT(B2, 3))

Di Pandas .str

teks.py
karyawan['depan'] = karyawan['nama'].str.split(' ').str[0]
karyawan['kode'] = karyawan['nama'].str[:3].str.upper()
karyawan[['nama', 'depan', 'kode']]

Hasil 8 baris × 3 kolom

namadepankode
Andi Pratama Andi AND
Bunga Lestari Bunga BUN
Candra Wijaya Candra CAN
Dewi Anggraini Dewi DEW
Eko Saputra Eko EKO
Fajar Nugroho Fajar FAJ
Gita Permata Gita GIT
Hendra Gunawan Hendra HEN

Semua fungsi teks ada di balik .str: .str.upper(), .str.strip() (TRIM), .str.len() (LEN), .str.replace() (SUBSTITUTE), .str.contains() (SEARCH).

Yang perlu diingat. Hitungan posisi mulai dari 0. .str[:3] berarti tiga huruf pertama, .str[-4:] empat huruf terakhir (RIGHT).

Penjelasan lengkap: .str LEFT di Excel RIGHT di Excel UPPER di Excel TEXTBEFORE di Excel TRIM di Excel

Ambil bulan atau tahun dari tanggal

Di Excel YEAR, MONTH, TEXT

=MONTH(B2)
=TEXT(B2, "yyyy-mm")

Di Pandas to_datetime() + .dt

tanggal.py
tgl = pd.to_datetime(penjualan['tanggal'])
penjualan['bulan'] = tgl.dt.strftime('%Y-%m')
penjualan['hari'] = tgl.dt.day_name()
penjualan[['tanggal', 'bulan', 'hari']].head()

Hasil 5 baris × 3 kolom

tanggalbulanhari
2026-01-05 2026-01 Monday
2026-01-12 2026-01 Monday
2026-01-20 2026-01 Tuesday
2026-02-03 2026-02 Tuesday
2026-02-14 2026-02 Saturday

Tanggal dari file CSV hampir selalu terbaca sebagai teks. pd.to_datetime() mengubahnya jadi tanggal sungguhan, setelah itu bagian-bagiannya diambil lewat .dt: .dt.year, .dt.month, .dt.day.

Yang perlu diingat. Kalau lupa to_datetime, .dt akan error karena kolomnya masih teks.

Penjelasan lengkap: to_datetime() YEAR di Excel MONTH di Excel TEXT di Excel

Bulatkan angka

Di Excel ROUND

=ROUND(E2/1000000, 1)

Di Pandas round()

round.py
karyawan['gaji_juta'] = (karyawan['gaji'] / 1000000).round(1)
karyawan[['nama', 'gaji', 'gaji_juta']]

Hasil 8 baris × 3 kolom

namagajigaji_juta
Andi Pratama 12500000 12.5
Bunga Lestari 9800000 9.8
Candra Wijaya 8200000 8.2
Dewi Anggraini 7500000 7.5
Eko Saputra 6900000 6.9
Fajar Nugroho 11000000 11
Gita Permata 8200000 8.2
Hendra Gunawan 5500000 5.5

Angka di dalam kurung adalah jumlah desimal, sama dengan ROUND. Angka negatif membulatkan ke puluhan atau ribuan: .round(-3) membulatkan ke ribuan terdekat.

Yang perlu diingat. Angka yang persis di tengah dibulatkan ke genap terdekat (2,5 jadi 2), sedangkan Excel selalu ke atas (2,5 jadi 3). Untuk uang, selisih ini jarang muncul tapi perlu kamu tahu.

Penjelasan lengkap: df['baru'] = … ROUND di Excel ROUNDUP di Excel ROUNDDOWN di Excel

03

Menjumlah dan menghitung

SUM, COUNTIF, SUMIFS, dan kawan-kawannya.

Total, rata-rata, tertinggi, terendah

Di Excel SUM, AVERAGE, MAX, MIN

=SUM(E2:E9)
=AVERAGE(E2:E9)
=MAX(E2:E9)
=MIN(E2:E9)

Di Pandas sum(), mean(), max(), min()

sum-average.py
karyawan['gaji'].agg(['sum', 'mean', 'max', 'min'])

Hasil 4 baris × 1 kolom

gaji
sum 69600000
mean 8700000
max 12500000
min 5500000

Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?

Satu per satu juga bisa: karyawan['gaji'].sum(), .mean(), .max(), .min(). agg() dipakai kalau mau beberapa hitungan sekaligus.

Yang perlu diingat. AVERAGE di Pandas namanya mean, COUNT namanya count, MEDIAN tetap median.

Penjelasan lengkap: agg() describe() SUM di Excel AVERAGE di Excel MAX di Excel MIN di Excel

Hitung berapa baris yang cocok

Di Excel COUNTIF

=COUNTIF(D2:D9, "Jakarta")

Di Pandas value_counts()

countif.py
print('Karyawan di Jakarta:', (karyawan['kota'] == 'Jakarta').sum())

# Semua kota sekaligus, tanpa menulis rumus per kota
karyawan['kota'].value_counts()
Karyawan di Jakarta: 4

Hasil 4 baris × 1 kolom

kotacount
Jakarta 4
Bandung 2
Surabaya 1
Medan 1

True dihitung sebagai 1, jadi menjumlah hasil perbandingan sama dengan menghitung baris yang cocok. Kalau butuh hitungan untuk semua nilai, value_counts() mengerjakannya dalam satu baris.

Penjelasan lengkap: value_counts() COUNTIF di Excel COUNTIFS di Excel

Jumlahkan dengan syarat

Di Excel SUMIF / SUMIFS

=SUMIFS(E2:E9, D2:D9, "Jakarta")

Di Pandas df.loc[kondisi, kolom].sum()

sumifs.py
total = karyawan.loc[karyawan['kota'] == 'Jakarta', 'gaji'].sum()
print('Total gaji karyawan Jakarta:', total)
Total gaji karyawan Jakarta: 32400000

loc dibaca: ambil baris yang kotanya Jakarta, kolom gaji, lalu jumlahkan. Syarat kedua ditambahkan dengan &, sama seperti saat menyaring.

Penjelasan lengkap: loc[] df[kondisi] SUMIF di Excel SUMIFS di Excel

Rata-rata dengan dua syarat

Di Excel AVERAGEIFS / MAXIFS

=AVERAGEIFS(E2:E9, D2:D9, "Jakarta", C2:C9, 1)

Di Pandas df.loc[(a) & (b), kolom].mean()

averageifs.py
syarat = (karyawan['kota'] == 'Jakarta') & (karyawan['dept_id'] == 1)
print('Rata-rata gaji Keuangan di Jakarta:', karyawan.loc[syarat, 'gaji'].mean())
Rata-rata gaji Keuangan di Jakarta: 8350000.0

Polanya sama dengan SUMIFS, hanya .sum() diganti .mean(), .max(), atau .min(). Syarat yang panjang lebih enak disimpan dulu ke variabel.

Penjelasan lengkap: loc[] AVERAGEIFS di Excel AVERAGEIF di Excel MAXIFS di Excel MINIFS di Excel

Total per kategori sekaligus

Di Excel SUMIF untuk tiap kategori

Ketik daftar kategori di kolom I, lalu
=SUMIF($E$2:$E$11, I2, $H$2:$H$11)
dan tarik ke bawah

Di Pandas groupby()

sumif-per-kelompok.py
penjualan['omzet'] = penjualan['qty'] * penjualan['harga']
penjualan.groupby('kategori')['omzet'].sum()

Hasil 3 baris × 1 kolom

kategoriomzet
ATK 2750000
Elektronik 38100000
Furnitur 16050000

groupby menemukan sendiri semua kategori yang ada. Kalau bulan depan muncul kategori baru, ia ikut terhitung tanpa perlu menambah baris rumus.

Yang perlu diingat. Nama kategori tampil di kolom abu-abu karena menjadi index. Tambahkan .reset_index() kalau mau jadi kolom biasa.

Penjelasan lengkap: groupby() SUMIF di Excel GROUPBY di Excel

04

Rekap seperti PivotTable

Ringkasan per kelompok, tabel silang, dan persentase dari total.

Rekap dengan beberapa hitungan

Di Excel PivotTable (Rows + Values)

Insert → PivotTable
Rows: kategori
Values: Sum of omzet, Count of id, Average of omzet

Di Pandas groupby().agg()

pivottable.py
penjualan['omzet'] = penjualan['qty'] * penjualan['harga']
penjualan.groupby('kategori').agg(
    total=('omzet', 'sum'),
    transaksi=('id', 'count'),
    rata_rata=('omzet', 'mean'),
).round(0)

Hasil 3 baris × 3 kolom

kategoritotaltransaksirata_rata
ATK 2750000 2 1375000
Elektronik 38100000 5 7620000
Furnitur 16050000 3 5350000

Tiap baris di dalam agg() dibaca: nama kolom hasil = (kolom sumber, cara hitung). Ini padanan area Values di PivotTable.

Penjelasan lengkap: groupby() agg() GROUPBY di Excel SUBTOTAL di Excel

Tabel silang kategori × bulan

Di Excel PivotTable (Rows + Columns)

Insert → PivotTable
Rows: kategori
Columns: bulan
Values: Sum of omzet

Di Pandas pivot_table()

pivot-silang.py
penjualan['omzet'] = penjualan['qty'] * penjualan['harga']
penjualan['bulan'] = penjualan['tanggal'].str[:7]
penjualan.pivot_table(index='kategori', columns='bulan', values='omzet', aggfunc='sum', fill_value=0)

Hasil 3 baris × 3 kolom

kategori2026-012026-022026-03
ATK 0 1100000 1650000
Elektronik 19300000 8500000 10300000
Furnitur 6000000 5250000 4800000

index = Rows, columns = Columns, values = Values, aggfunc = cara hitungnya. fill_value=0 mengisi kombinasi yang tidak punya transaksi.

Yang perlu diingat. Tambahkan margins=True untuk baris dan kolom Grand Total.

Penjelasan lengkap: pivot_table() GROUPBY di Excel

Persentase dari total

Di Excel Show Values As → % of Grand Total

Klik kanan nilai di PivotTable
→ Show Values As → % of Grand Total

Di Pandas kolom / kolom.sum()

persen-total.py
penjualan['omzet'] = penjualan['qty'] * penjualan['harga']
rekap = penjualan.groupby('kategori')['omzet'].sum().to_frame()
rekap['persen'] = (rekap['omzet'] / rekap['omzet'].sum() * 100).round(1)
rekap

Hasil 3 baris × 2 kolom

kategoriomzetpersen
ATK 2750000 4.8
Elektronik 38100000 67
Furnitur 16050000 28.2

Tidak ada menu khusus. Hasil rekap adalah tabel biasa, jadi persentasenya dihitung dengan cara yang sama seperti membuat kolom baru.

Penjelasan lengkap: groupby() df['baru'] = … SUM di Excel

05

Mengambil data dari tabel lain

Pengganti VLOOKUP dan XLOOKUP, plus menumpuk beberapa tabel jadi satu.

Ambil kolom dari tabel lain

Di Excel VLOOKUP / XLOOKUP

=XLOOKUP(C2, departemen!A:A, departemen!B:B)
atau
=VLOOKUP(C2, departemen!A:C, 2, FALSE)

Di Pandas merge()

vlookup.py
gabung = karyawan.merge(departemen, left_on='dept_id', right_on='id', how='left')
gabung[['nama', 'nama_dept', 'lokasi']]

Hasil 8 baris × 3 kolom

namanama_deptlokasi
Andi Pratama IT Bandung
Bunga Lestari Keuangan Jakarta
Candra Wijaya IT Bandung
Dewi Anggraini Marketing Jakarta
Eko Saputra Keuangan Jakarta
Fajar Nugroho Marketing Jakarta
Gita Permata IT Bandung
Hendra Gunawan NaN NaN

left_on adalah kolom kunci di tabel kiri, right_on kolom kunci di tabel kanan. how='left' menjaga semua karyawan tetap ada walau departemennya tidak ketemu, persis perilaku VLOOKUP.

Yang perlu diingat. Satu merge membawa semua kolom tabel kanan sekaligus. Di Excel kamu perlu satu rumus lookup untuk tiap kolom yang mau diambil.

Penjelasan lengkap: merge() VLOOKUP di Excel XLOOKUP di Excel INDEX di Excel MATCH di Excel

Ganti hasil lookup yang tidak ketemu

Di Excel IFNA / IFERROR di lookup

=IFNA(XLOOKUP(C2, departemen!A:A, departemen!B:B), "Belum ada")

Di Pandas fillna()

ifna.py
gabung = karyawan.merge(departemen, left_on='dept_id', right_on='id', how='left')
gabung['nama_dept'] = gabung['nama_dept'].fillna('Belum ada')
gabung[['nama', 'nama_dept']]

Hasil 8 baris × 2 kolom

namanama_dept
Andi Pratama IT
Bunga Lestari Keuangan
Candra Wijaya IT
Dewi Anggraini Marketing
Eko Saputra Keuangan
Fajar Nugroho Marketing
Gita Permata IT
Hendra Gunawan Belum ada

Yang tidak ketemu di Excel jadi #N/A, di Pandas jadi NaN. fillna() menggantinya dengan nilai pilihanmu.

Penjelasan lengkap: fillna() NaN merge() IFNA di Excel IFERROR di Excel

Tumpuk beberapa tabel jadi satu

Di Excel Copy-paste di bawahnya / VSTACK

Salin data bulan berikutnya, tempel di bawah data lama
atau
=VSTACK(Januari!A2:G4, Maret!A2:G5)

Di Pandas pd.concat()

vstack.py
januari = penjualan[penjualan['tanggal'] < '2026-02-01']
maret = penjualan[penjualan['tanggal'] >= '2026-03-01']
pd.concat([januari, maret], ignore_index=True)

Hasil 7 baris × 7 kolom

idtanggalkaryawan_idprodukkategoriqtyharga
1 2026-01-05 4 Laptop Elektronik 2 8500000
2 2026-01-12 6 Printer Elektronik 1 2300000
3 2026-01-20 4 Kursi Kantor Furnitur 5 1200000
7 2026-03-02 6 Kursi Kantor Furnitur 4 1200000
8 2026-03-10 4 Printer Elektronik 2 2300000
9 2026-03-18 5 Kertas A4 ATK 30 55000
10 2026-03-27 6 Monitor Elektronik 3 1900000

Kolom dicocokkan lewat namanya, jadi urutan kolom di tiap file boleh berbeda. ignore_index=True menomori ulang barisnya dari 0.

Yang perlu diingat. Dipakai untuk menggabungkan laporan bulanan yang bentuknya sama. Untuk menambah kolom dari tabel lain, pakainya merge.

Penjelasan lengkap: concat() VSTACK di Excel

06

Membersihkan data

Sel kosong, teks yang perlu dipecah, dan angka yang masih berupa teks.

Cari sel yang kosong

Di Excel COUNTBLANK / Go To Special → Blanks

=COUNTBLANK(C2:C9)
atau
Home → Find & Select → Go To Special → Blanks

Di Pandas isna()

sel-kosong.py
print('Jumlah sel kosong per kolom:')
print(karyawan.isna().sum())

# Baris yang dept_id-nya kosong
karyawan[karyawan['dept_id'].isna()]
Jumlah sel kosong per kolom:
id           0
nama         0
dept_id      1
kota         0
gaji         0
tgl_masuk    0
atasan_id    4
dtype: int64

Hasil 1 baris × 7 kolom

idnamadept_idkotagajitgl_masukatasan_id
7 8 Hendra Gunawan NaN Medan 5500000 2024-04-02 NaN

Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?

isna().sum() menghitung sel kosong di semua kolom sekaligus, jadi kamu langsung tahu kolom mana yang bermasalah.

Penjelasan lengkap: isna() NaN COUNTBLANK di Excel ISBLANK di Excel

Isi sel kosong dengan nilai tertentu

Di Excel IF(ISBLANK(…))

=IF(ISBLANK(C2), 0, C2)

Di Pandas fillna()

isi-kosong.py
karyawan['dept_id'] = karyawan['dept_id'].fillna(0).astype(int)
karyawan[['nama', 'dept_id']]

Hasil 8 baris × 2 kolom

namadept_id
Andi Pratama 3
Bunga Lestari 1
Candra Wijaya 3
Dewi Anggraini 2
Eko Saputra 1
Fajar Nugroho 2
Gita Permata 3
Hendra Gunawan 0

fillna(0) mengisi yang kosong dengan 0. astype(int) di belakangnya mengembalikan kolom jadi bilangan bulat, karena kolom yang pernah punya sel kosong disimpan sebagai desimal (1.0, 2.0).

Yang perlu diingat. Untuk membuang barisnya sekalian, pakai dropna(subset=['dept_id']).

Penjelasan lengkap: fillna() dropna() astype() ISBLANK di Excel IF di Excel

Pecah satu kolom jadi dua

Di Excel Text to Columns / TEXTSPLIT

Data → Text to Columns, pemisah spasi
atau
=TEXTSPLIT(B2, " ")

Di Pandas .str.split(expand=True)

text-to-columns.py
karyawan[['depan', 'belakang']] = karyawan['nama'].str.split(' ', n=1, expand=True)
karyawan[['nama', 'depan', 'belakang']]

Hasil 8 baris × 3 kolom

namadepanbelakang
Andi Pratama Andi Pratama
Bunga Lestari Bunga Lestari
Candra Wijaya Candra Wijaya
Dewi Anggraini Dewi Anggraini
Eko Saputra Eko Saputra
Fajar Nugroho Fajar Nugroho
Gita Permata Gita Permata
Hendra Gunawan Hendra Gunawan

expand=True membuat hasil pecahannya jadi kolom-kolom terpisah. n=1 berarti pecah di spasi pertama saja, supaya nama tiga kata tidak menghasilkan kolom ketiga.

Penjelasan lengkap: .str TEXTSPLIT di Excel TEXTBEFORE di Excel TEXTAFTER di Excel

Ubah "Rp8.500.000" jadi angka

Di Excel VALUE + SUBSTITUTE

=VALUE(SUBSTITUTE(SUBSTITUTE(A2, "Rp", ""), ".", ""))

Di Pandas .str.replace() + astype()

teks-jadi-angka.py
harga = pd.DataFrame({'harga_teks': ['Rp8.500.000', 'Rp2.300.000', 'Rp55.000']})
harga['harga'] = harga['harga_teks'].str.replace('Rp', '').str.replace('.', '').astype(int)
print('Total:', harga['harga'].sum())
harga
Total: 10855000

Hasil 3 baris × 2 kolom

harga_teksharga
Rp8.500.000 8500000
Rp2.300.000 2300000
Rp55.000 55000

Buang dulu semua yang bukan angka, baru ubah tipenya dengan astype(int). Setelah itu kolomnya bisa dijumlah seperti biasa.

Yang perlu diingat. Kalau ada isi yang tetap tidak bisa jadi angka, astype berhenti dengan error. pd.to_numeric(kolom, errors='coerce') mengubah yang gagal jadi NaN supaya bisa kamu periksa.

Penjelasan lengkap: astype() .str VALUE di Excel SUBSTITUTE di Excel NUMBERVALUE di Excel

07

Peringkat dan tren

RANK, total berjalan, dan pertumbuhan dari bulan ke bulan.

Beri peringkat

Di Excel RANK.EQ

=RANK.EQ(E2, $E$2:$E$9)

Di Pandas rank()

rank.py
karyawan['peringkat'] = karyawan['gaji'].rank(ascending=False, method='min').astype(int)
karyawan.sort_values('peringkat')[['nama', 'gaji', 'peringkat']]

Hasil 8 baris × 3 kolom

namagajiperingkat
0 Andi Pratama 12500000 1
5 Fajar Nugroho 11000000 2
1 Bunga Lestari 9800000 3
2 Candra Wijaya 8200000 4
6 Gita Permata 8200000 4
3 Dewi Anggraini 7500000 6
4 Eko Saputra 6900000 7
7 Hendra Gunawan 5500000 8

Kolom abu-abu adalah index, yaitu nomor baris asli di tabel. Nomornya tidak urut karena ada baris yang disaring atau diurutkan. Apa itu index?

method='min' membuat nilai yang sama mendapat peringkat sama, lalu peringkat berikutnya dilompati. Itu cara kerja RANK.EQ.

Yang perlu diingat. Tanpa method='min', dua nilai kembar di posisi 4 dan 5 sama-sama diberi 4,5.

Penjelasan lengkap: rank() RANK.EQ di Excel

Total berjalan

Di Excel =SUM($H$2:H2)

=SUM($H$2:H2)
lalu tarik ke bawah

Di Pandas cumsum()

running-total.py
penjualan['omzet'] = penjualan['qty'] * penjualan['harga']
penjualan['total_berjalan'] = penjualan['omzet'].cumsum()
penjualan[['tanggal', 'omzet', 'total_berjalan']]

Hasil 10 baris × 3 kolom

tanggalomzettotal_berjalan
2026-01-05 17000000 17000000
2026-01-12 2300000 19300000
2026-01-20 6000000 25300000
2026-02-03 8500000 33800000
2026-02-14 5250000 39050000
2026-02-25 1100000 40150000
2026-03-02 4800000 44950000
2026-03-10 4600000 49550000
2026-03-18 1650000 51200000
2026-03-27 5700000 56900000

Tidak perlu mengunci sel dengan tanda dolar. Pastikan datanya sudah urut tanggal sebelum memakai cumsum(), karena penjumlahannya mengikuti urutan baris.

Penjelasan lengkap: cumsum() SUM di Excel

Pertumbuhan dari bulan ke bulan

Di Excel =(B3-B2)/B2

=(B3-B2)/B2
lalu format sebagai persen

Di Pandas pct_change()

pertumbuhan.py
penjualan['omzet'] = penjualan['qty'] * penjualan['harga']
penjualan['bulan'] = penjualan['tanggal'].str[:7]
bulanan = penjualan.groupby('bulan')['omzet'].sum().to_frame()
bulanan['tumbuh_persen'] = (bulanan['omzet'].pct_change() * 100).round(1)
bulanan

Hasil 3 baris × 2 kolom

bulanomzettumbuh_persen
2026-01 25300000 NaN
2026-02 14850000 -41.3
2026-03 16750000 12.8

pct_change() membandingkan tiap baris dengan baris di atasnya. Baris pertama hasilnya NaN karena belum ada pembandingnya.

Penjelasan lengkap: pct_change() groupby() SUM di Excel

Latihan Pandas Coba sendiri di soal studi kasus: kodemu dijalankan di browser dan langsung dicek Kamus Pandas 28 fungsi Pandas, tiap fungsi dengan penjelasan langkah demi langkah Kamus Excel Mau memastikan cara kerja rumus Excel-nya dulu? Semua rumus di halaman ini ada di sana

Langkah berikutnya

Dari paham fungsi, ke siap kerja.

Belajar Python bareng mentor

Tahu fungsinya itu awal. Mengolah data kantor sampai jadi insight, itu skill.

Private Class Python & SQL untuk Data: dari Pandas dasar sampai membersihkan, merekap, dan memvisualisasikan data studi kasus kerja, dengan jadwal yang menyesuaikan kamu.

Lihat Private Class