Python for Data Analysis: Getting Started in 30 Minutes — csv-x.com

Spreadsheet yang Hampir Menghilangkan Pekerjaanku

Aku masih ingat pagi ketika manajerku masuk ke dalam kubikanku, membawa spreadsheet Excel yang dicetak dengan 47 tab. "Sarah," katanya, suaranya tegang karena frustrasi, "kita butuh analisis Q3 sebelum siang. Rapat dewan mulai pukul 1 siang." Saat itu pukul 9:47 pagi. Aku memiliki dua jam dan tiga belas menit untuk menganalisis 180.000 baris data transaksi pelanggan, mengidentifikasi tren, menghitung metrik retensi, dan menghasilkan visualisasi yang akan memengaruhi keputusan anggaran sebesar $2,3 juta.

Itu terjadi tujuh tahun yang lalu, ketika aku adalah seorang analis junior di perusahaan e-commerce menengah. Aku menghabiskan 90 menit berikutnya mengklik, menyeret, dan berdoa agar tabel pivotku tidak crash. Aku memenuhi tenggat waktu dengan empat menit tersisa. Presentasinya berjalan baik, tapi aku tahu aku beruntung. Malam itu, aku mengunduh Python untuk pertama kalinya.

Sekarang, sebagai Analis Data Senior yang telah memproses lebih dari 50 juta baris data di sektor ritel, kesehatan, dan keuangan, aku bisa menyelesaikan analisis yang sama dalam waktu kurang dari 15 menit—dan dengan akurasi yang jauh lebih besar. Python tidak hanya mengubah alur kerjaku, tetapi juga seluruh trajectory karierku. Gajiku meningkat sebesar 64% dalam tiga tahun. Aku pergi dari merasa cemas menghadapi permintaan data Senin pagi hingga benar-benar menikmati pekerjaan mencari wawasan yang tersembunyi di dalam angka.

Bagian terbaik? Anda tidak perlu gelar ilmu komputer atau pelatihan selama berbulan-bulan. Dalam 30 menit ke depan, aku akan menunjukkan kepada Anda persis bagaimana cara mulai menganalisis data nyata menggunakan Python. Bukan teori. Bukan konsep abstrak. Keterampilan praktis yang dapat Anda gunakan besok pagi ketika Anda membuka file CSV yang baru saja dikirimkan bos Anda.

Mengapa Python Mengalahkan Excel untuk Analisis Data (Dan Ketika Tidak)

Biarkan aku jujur: Excel tidak akan hilang ke mana pun, dan seharusnya memang begitu. Aku masih menggunakannya hampir setiap hari untuk pemeriksaan cepat, perhitungan sederhana, dan berbagi hasil dengan pemangku kepentingan non-teknis. Tetapi inilah yang aku pelajari setelah menganalisis data dengan kedua cara selama tujuh tahun: Excel adalah mobil sport, dan Python adalah kereta barang. Mobil sport sempurna untuk perjalanan cepat di sekitar kota. Kereta barang adalah apa yang Anda butuhkan ketika Anda memindahkan kargo yang serius.

"Perbedaan antara analis junior dan analis senior bukanlah kecerdasan—tetapi kemampuan untuk memproses 100.000 baris dalam 15 menit dibandingkan 3 jam."

Python menangani volume yang akan membuat Excel menangis. Aku pernah mencoba membuka file CSV berukuran 2.1 GB di Excel. Itu memakan waktu sebelas menit untuk memuat, kemudian crash saat aku mencoba menambahkan kolom yang dihitung. Di Python, menggunakan pustaka pandas, aku memuat file yang sama dalam 23 detik dan melakukan agregasi kompleks dalam waktu 8 detik lagi. Itu bukan berlebihan—aku mengukurnya karena aku tidak bisa percaya perbedaannya.

Reproduksibilitas adalah di mana Python benar-benar bersinar. Setiap analisis yang aku lakukan di Python didokumentasikan dalam kode. Ketika manajerku bertanya, "Bagaimana Anda menghitung nilai seumur hidup pelanggan untuk segmen premium?" Aku tidak perlu mengingat sel mana yang aku klik atau filter mana yang aku terapkan tiga minggu lalu. Aku membuka skrip Python-ku, dan setiap langkah ada di sana, tertulis jelas, siap untuk ditinjau atau dijalankan kembali dengan data yang diperbarui. Ini telah menyelamatkanku dari kesalahan setidaknya selusin kali.

Python juga sesuai dengan ambisi Anda. Mulailah dengan analisis CSV dasar hari ini. Bulan depan, hubungkan langsung ke database perusahaan Anda. Dalam enam bulan, buat laporan otomatis yang berjalan setiap pagi sebelum Anda tiba di tempat kerja. Dalam setahun, terapkan model pembelajaran mesin yang memprediksi pengurangan pelanggan. Keterampilan dasar yang sama berlaku untuk semua tugas ini. Excel, sebaliknya, mencapai batas cukup cepat.

Tetapi inilah saat aku masih memilih Excel: pemeriksaan cepat sekali (apakah angka ini masuk akal?), berbagi hasil dengan eksekutif yang ingin "melihat spreadsheet," dan bekerja sama dengan anggota tim yang bukan teknis. Python mengharuskan semua orang memiliki Python yang diinstal dan memahami konsep pemrograman dasar. Excel adalah universal. Kenali audiens Anda dan pilih sesuai kebutuhan.

Menyiapkan Lingkungan Python Anda dalam 10 Menit

Penghalang terbesar untuk memulai dengan Python bukanlah belajar bahasa—tetapi mengatur semuanya untuk diinstal dan dikonfigurasi. Aku telah melihat rekan-rekanku menyerah sebelum menulis satu baris kode karena mereka tersesat dalam petunjuk instalasi. Biarkan aku memberi Anda jalur yang jelas yang aku harap seseorang memberiku.

Unduh Anaconda. Bukan Python itu sendiri, bukan pip, bukan lingkungan virtual—hanya Anaconda. Kunjungi anaconda.com, unduh penginstal untuk sistem operasi Anda, dan jalankan. Anaconda adalah distribusi yang mencakup Python plus semua pustaka analisis data yang Anda perlukan, telah dikonfigurasi sebelumnya dan siap digunakan. Itu sekitar 500 MB, jadi unduhannya memakan waktu 3-8 menit tergantung pada kecepatan internet Anda.

Selama pemasangan, terima semua opsi default. Jangan kustomisasi apapun. Aku telah melihat orang menghabiskan berjam-jam memecahkan masalah yang disebabkan oleh mengubah jalur instalasi atau variabel lingkungan. Opsi default berfungsi dengan sempurna. Di Windows, penginstal akan bertanya apakah Anda ingin menambahkan Anaconda ke PATH Anda—katakan ya. Ini membuat menjalankan Python dari mana saja di komputer Anda jauh lebih mudah.

Setelah terinstal, buka Anaconda Navigator. Anda akan melihat beberapa aplikasi. Klik "Luncurkan" di bawah Jupyter Notebook. Jendela browser akan terbuka menampilkan sistem file Anda. Ini adalah ruang kerja Anda. Arahkan ke folder tempat Anda ingin menyimpan proyek analisis Anda—aku menggunakan folder bernama "data_projects" di Dokumen saya—dan klik "Baru" kemudian "Python 3" di sudut kanan atas.

Selamat. Anda sekarang melihat notebook Jupyter, yang merupakan tempat Anda akan menulis dan menjalankan kode Python Anda. Anggap ini sebagai dokumen pintar yang menggabungkan kode, hasil, dan catatan semuanya dalam satu tempat. Ketik ini di sel pertama: print("Hello, data world!") dan tekan Shift+Enter. Jika Anda melihat "Hello, data world!" muncul di bawah sel, lingkungan Anda berfungsi dengan sempurna.

Seluruh proses ini—unduh, instal, luncurkan, uji—seharusnya memakan waktu sekitar 10 menit. Aku telah melakukannya di setidaknya 30 komputer yang berbeda saat melatih rekan-rekanku, dan ini sangat konsisten. Masalah umum satu-satunya adalah perangkat lunak antivirus yang memblokir pemasangan, yang biasanya dapat Anda atasi dengan menonaktifkannya sementara selama proses pemasangan.

Analisis Data Pertama Anda: Memuat dan Menjelajahi File CSV

Ayo kita analisis data nyata. Aku akan menggunakan dataset penjualan sebagai contoh, tetapi teknik yang sama juga berlaku untuk file CSV apapun—data pelanggan, tanggapan survei, transaksi keuangan, analitik situs web, apapun yang Anda kerjakan. Polanya universal.

"Excel adalah kalkulator yang tumbuh menjadi database. Python adalah bahasa pemrograman yang belajar berbicara data. Kenali alat mana yang cocok dengan ukuran masalah Anda."

Pertama, Anda butuh data. Jika Anda tidak memiliki file CSV siap, buatlah yang sederhana di Excel dengan kolom seperti Tanggal, Produk, Jumlah, dan Pendapatan. Simpan sebagai "sales_data.csv" di folder yang sama dengan notebook Jupyter Anda. Atau unduh dataset sampel dari kaggle.com—mereka memiliki ribuan dataset gratis yang sempurna untuk latihan.

Di notebook Jupyter Anda, mulailah dengan mengimpor pandas, pustaka yang membuat analisis data di Python sangat kuat. Ketik ini di sel baru:

import pandas as pd

Tekan Shift+Enter untuk menjalankannya. Tidak ada yang terlihat, tetapi Anda baru saja memuat pustaka yang mengandung ratusan fungsi untuk bekerja dengan data. Bagian "as pd" adalah singkatan—daripada mengetik "pandas" setiap kali, Anda bisa cukup mengetik "pd". Ini adalah konvensi yang diikuti oleh hampir setiap analis data Python.

Sekarang muat file CSV Anda:

df = pd.read_csv('sales_data.csv')

Itu saja. Satu baris kode, dan seluruh dataset Anda kini dimuat ke dalam variabel bernama "df" (singkatan dari dataframe, yang merupakan istilah yang digunakan pandas untuk tabel data). Ketika aku pertama kali melihat ini, setelah bertahun-tahun mengklik...