Menggunakan Pandas

Pandas adalah library atau paket yang kita gunakan untuk mengutik-utik data. Beberapa hal sederhana yang anda dapat lakukan di pandas, dapat juga dilakukan dengan menggunakan Google Sheet atau Microsoft Excel. Jika anda lebih familiar dengan tools seperti tersebut, gunakan sheets juga nda papa. Lebih lagi, nge-print seluruh isi dataset di Pandas bisa makan memori jika data anda sangat besar. Anda dapat gunakan sheets untuk melihat datanya, tapi dimanipulasi di python juga bisa. Whatever works for you. Di sini, kita akan coba memanipulasi dengan pandas.

Zaman sekarang sih fitur-fitur di Microsoft Excel dan Google Sheet sudah sangat canggih, terlebih dalam hal menyedot data secara real-time dari internet. Tentu saja kedua aplikasi di atas kurang canggih kalau dipakai untuk programming atau statistik yang agak lebih canggih daripada OLS. Karena itu, menggunakan Pandas lebih disarankan.

Memang memanipulasi data di Sheet lebih intuitif dan bisa jadi lebih cepet, terutama kalau datanya tidak terlalu besar. Namun kelebihan Pandas diantaranya adalah ketika anda harus berurusan dengan time-series atau panel data, melakukan sorting / grouping dan semacamnya juga lebih cepat dengan Pandas. Anda juga nanti akan berurusan dengan mengecek dan memanipulasi missing values, yang lebih cepat jika menggunakan Pandas. Kelebihan lainnya, semua manipulasi yang anda lakukan akan terdokumentasi di Notebook anda. Anda tidak perlu (bahkan sebaiknya tidak) mengubah data aslinya. Tinggal re-run saja kode di Notebook jika ingin melihat kembali hasil analisis anda

Untuk menggunakan Pandas, Kita memanggilnya dengan:

import pandas as pd

setelah itu, semua fungsi yang terkait dengan pandas dapat kita gunakan dengan awalan pd. Dokumentasi lengkap soal fungsi apa saja yang ada di pandas dapat dibaca di dokumentasi resmi di sini. Tentu saja anda juga bisa menggunakan gugel.

Data Frame

Data Frame bentuknya seperti ini:

# menulis data dari awal. 
data = {'Nama':['imed', 'krisna', 'wisnu', 'gupta'], 'pekerjaan':['Ekonom', 'kontraktor', 'pelajar', 'tukang baso'], 'usia':[30, 27, 19, 25]} 

# print
data

{'Nama': ['imed', 'krisna', 'wisnu', 'gupta'],
 'pekerjaan': ['Ekonom', 'kontraktor', 'pelajar', 'tukang baso'],
 'usia': [30, 27, 19, 25]}
Copy

Seperti anda lihat, data di atas bentuknya kurang enak dilihat. Datanya sih jadi, tapi kurang intuitif. Jika kita gunakan panda data frame, hasilnya lebih enak dilihat dan lebih ada artinya.

# jadikan data ke dalam dataframe
data = pd.DataFrame(data) 
  
# Print df. 
data

Tabel di atas memiliki 1 header (baris paling atas), 4 baris (rows), dan 3 kolom (columns). Angka [0,1,2,3] disebut juga dengan index. Index ini juga ada di aplikasi Microsoft Excel maupun Google Sheet, yaitu nomor rows. Ingat kalau di excel kolom diberi index huruf sementara baris diberi index angka. Di Pandas, kolom tidak diberi index spesifik.

Kolom merepresentasikan nama variabel (atau disebut juga dengan series), sementara baris merepresentasikan observasi. Ada 3 variabel di tabel di atas, yaitu Nama, Pekerjaan, dan Usia. Sementara itu, ada 4 observasi. Pokoknya Pandas tuh persis banget lah sama Microsoft Excel maupun Google Sheet.

Membuat series baru

Sekarang kita punya sebuah jenis data, yaitu data yang sudah berbentuk DataFrame. Mari kita coba buat series baru yang berisi angka acak (random). Untuk menghasilkan angka acak, kita butuh paket Numpy

import numpy as np
series=pd.Series(np.random.randn(4), name='gaji')
series

0    0.434327
1   -0.355109
2   -0.229159
3    0.865556
Name: gaji, dtype: float64
Copy

data di series bisa kita manipulasi seperti di excel dengan mengalikan atau membagi dengan angka lain. Jika kita kali dengan sebuah angka, maka seluruh anggota series tersebut akan dikali dengan angka tersebut. (catatan: bedakan series dengan matrix!)

series+10 # setiap anggota series kita tambahkan 10

0    10.434327
1     9.644891
2     9.770841
3    10.865556
Name: gaji, dtype: float64
Copy

series/10 # setiap anggota series kita bagi 10

0    0.043433
1   -0.035511
2   -0.022916
3    0.086556
Name: gaji, dtype: float64
Copy

np.log(series+10) # setiap anggota series kita transformasi natural log 10

0    2.345101
1    2.266428
2    2.279403
3    2.385598
Name: gaji, dtype: float64
Copy

kita juga bisa menempelkan series menjadi anggota baru dari df

data['gaji']=series
data

dapat anda lihat di atas bahwa saya membuat sebuah kolom baru dengan menggunakan kurung siku. kode data['gaji'] berarti saya membuat sebuah kolom baru bernama gaji, yang anggotanya saya ambil dari series. Dengan kata lain, kode <data.frame>[nama.kolom] kita gunakan untuk memanggil kolom tersebut.

Contoh penggunaan:

data['usia'] # memanggil hanya kolom usia

0    30
1    27
2    19
3    25
Name: usia, dtype: int64
Copy

Gajinya kok kecil banget ya. ada yang negatif lagi. mari kita ganti angka-angka di gaji tersebut dengan angka yang lebih masuk akal

data['gaji']=(data['gaji']+1)*10000 # apakah anda bisa menebak apa yang terjadi?
data

Masih kecil?? oh gampang. Yang perlu saya ganti hanyalah nama kolom saja

data=data.rename(columns={'gaji':'gaji (USD)'})
data

gimana? Jadi gede ya gajinya? Wkwkw. begitulah cara mengganti nama kolom.

Anda juga bisa melihat deskripsi statistik dari data anda dengan menggunakan nama.describe

data.describe()

describe hanya memunculkan informasi float maupun integer tapi tidak string. Count berarti jumlah observasi (atau jumlah baris), sisanya sudah pada tau ya?

Latihan lanjutan

Untuk latihan berikutnya, mari kita gunakan data yang sudah saya siapkan untuk latihan. Datanya bisa ditarik dari website saya.

# menarik data dari internet dengan menggunakan read_csv dan diassign ke `lat`
lat=pd.read_csv('https://krisna.netlify.app/courses/pystat/latihan.csv')
lat

Seperti anda lihat pada tabel di atas, data ini jauh lebih besar daripada data yang cuma 4 baris dan 4 kolom. Kali ini, ada total 217 baris dan 1432 kolom! Data diatas merupakan basis data World Bank World Development Indicators yang diunduh secara bulk. Data tersebut terdiri dari 217 negara yang masing-masing terdapat angka untuk 1432 indikator.

Dengan tabel sebesar itu, anda hanya dapat melihat beberapa saja. Jupyter Notebook hanya akan menampilkan 5 data teratas, 5 terbawah, 10 paling kiri dan 10 paling kanan. Jika dilihat semua, maka akan kegedean dan tidak cukup Jupyter Notebooknya. Jika anda ingin melihat semuanya, lebih baik didownload dalam bentuk csv dan dibuka pakai google sheet atau microsoft excel.

Untuk download data ini, gunakan fungsi:

lat.to_csv("latihan.csv")

Data tersebut akan tersimpan di tempan anda menginstall Anaconda. Biasanya akan ada di C:\Users\nama\.

Untuk lanjut sih kita tidak perlu download datanya. Untuk sekarang, kita akan bermain-main dengan lat

Pertama, Coba kita pilih beberapa negara saja, misalnya negara-negara ASEAN dan RRT. kita akan menggunakan fungsi loc. Langkah pertama untuk menggunakan loc adalah ngeset nama negara menjadi index, lalu menggunakan nama negara untuk membuat dataframe baru sesuai dengan nama-nama negara yang kita pilih.

lat=lat.set_index('Country Name') # menjadikan nama negara sebagai index
# memilih negara-negara yang mau disimpan
countries=['Indonesia','China','Malaysia','Singapore','Thailand','Vietnam','Brunei Darussalam','Lao PDR','Cambodia','Myanmar','Philippines']
lat2=lat.loc[countries]           # menggunakan fungsi loc[index] dan menempelkannya ke dataframe baru bernama lat2
lat2                              # ngeprint data baru lat2

Setelah kita sukses punya 11 row saja langkah berikutnya adalah memilih variabel yang mau kita simpan. Tabel di atas punya 1431 kolom (atau 1431 indikator). Tentu tidak semuanya kita perlukan. Kita bisa pilih beberapa indikator pilihan. Misalnya mari kita pilih GDP (current US$), Official exchange rate (LCU per US$, period average), dan Merchandise trade (% of GDP).

var=['GDP (current US$)','Official exchange rate (LCU per US$, period average)','Merchandise trade (% of GDP)']
lat2=lat2[var]
lat2

Nah sekarang kita punya 11 negara

Menggunakan Pandas Datareader

Pertama, install dulu di anaconda prompt dengan menggunakan kode:

conda install -c anaconda pandas-datareader

Setelah selesai, kita bisa panggil dengan menggunakan impor

import pandas_datareader as pdr

Mari kita coba

Contoh: Mempersiapkan data untuk latihan

Kita akan menggunakan contoh bagaimana saya mempersiapkan data untuk latihan. Data yang saya gunakan adalah World Development Indicators (bulk download) bikinan The World Bank. Tentu saja anda tidak perlu mendownloadnya sendiri karena saya sudah mendownloadnya. muehehe.

Datanya gede banget, sehingga tidak saya upload di website. Namun anda dapat dengan bebas mendownloadnya. Jika anda ingin mempraktikkan kode-kode yang digunakan di contoh ini, anda perlu download sendiri datanya dari link bulk download di atas.

Data utamanya memiliki ukuran 193,5 MB. Kalau dibuka pakai excel bisa memakan waktu lumayan lama. Datanya memiliki ekstensi .csv sehingga kita import dengan pd.read_csv.

df=pd.read_csv('C:/data WDI/WDIData.csv') # mengimpor data dari lokasi saya menyimpan data tersebut
df                                        # print

Seperti anda lihat, data di atas aslinya besar sekali, mengandung lebih dari 370ribu baris dan 65 kolom. Setiap baris terdiri dari nama negara dan nama indikator, sementara kolomnya menandakan waktu. Bentuk seperti ini disebut juga dengan Panel Data, yaitu sebuah data yang memiliki struktur cross section (negara dan indikator) dan time series (tahun) sekaligus.

Untuk latihan, saya menggunakan data yang sifatnya cross section, yaitu terdiri atas nama negara dan nama indikator saja. Saya akan mengambil tahun 2017. Karena hanya menangkap indikator di satu tahun saja, makanya disebut cross section.

Gunakan pd.info untuk melihat tipe elemen dan ukuran (memori) data.

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 377784 entries, 0 to 377783
Data columns (total 65 columns):
 #   Column          Non-Null Count   Dtype  
---  ------          --------------   -----  
 0   Country Name    377784 non-null  object 
 1   Country Code    377784 non-null  object 
 2   Indicator Name  377784 non-null  object 
 3   Indicator Code  377784 non-null  object 
 4   1960            37085 non-null   float64
 5   1961            41471 non-null   float64
 6   1962            43673 non-null   float64
 7   1963            43553 non-null   float64
 8   1964            44098 non-null   float64
 9   1965            46608 non-null   float64
 10  1966            46314 non-null   float64
 11  1967            48032 non-null   float64
 12  1968            47594 non-null   float64
 13  1969            49477 non-null   float64
 14  1970            70456 non-null   float64
 15  1971            76771 non-null   float64
 16  1972            79536 non-null   float64
 17  1973            79135 non-null   float64
 18  1974            80551 non-null   float64
 19  1975            84584 non-null   float64
 20  1976            86656 non-null   float64
 21  1977            90100 non-null   float64
 22  1978            89719 non-null   float64
 23  1979            90588 non-null   float64
 24  1980            95296 non-null   float64
 25  1981            97177 non-null   float64
 26  1982            98454 non-null   float64
 27  1983            98272 non-null   float64
 28  1984            99067 non-null   float64
 29  1985            100337 non-null  float64
 30  1986            101118 non-null  float64
 31  1987            102475 non-null  float64
 32  1988            102052 non-null  float64
 33  1989            103850 non-null  float64
 34  1990            127202 non-null  float64
 35  1991            132640 non-null  float64
 36  1992            136741 non-null  float64
 37  1993            137957 non-null  float64
 38  1994            139967 non-null  float64
 39  1995            148014 non-null  float64
 40  1996            147733 non-null  float64
 41  1997            148909 non-null  float64
 42  1998            150831 non-null  float64
 43  1999            156211 non-null  float64
 44  2000            181781 non-null  float64
 45  2001            172155 non-null  float64
 46  2002            176998 non-null  float64
 47  2003            177612 non-null  float64
 48  2004            182912 non-null  float64
 49  2005            195795 non-null  float64
 50  2006            194394 non-null  float64
 51  2007            198393 non-null  float64
 52  2008            197756 non-null  float64
 53  2009            197733 non-null  float64
 54  2010            213972 non-null  float64
 55  2011            204254 non-null  float64
 56  2012            207054 non-null  float64
 57  2013            202080 non-null  float64
 58  2014            208672 non-null  float64
 59  2015            205706 non-null  float64
 60  2016            204739 non-null  float64
 61  2017            187824 non-null  float64
 62  2018            166196 non-null  float64
 63  2019            84963 non-null   float64
 64  Unnamed: 64     0 non-null       float64
dtypes: float64(61), object(4)
memory usage: 187.3+ MB
Copy

kolom memiliki tipe object sementara nilainya memiliki tipe float64 seperti yang telah diduga. Dengan info, kita juga dapat mengetahui index data kita, jikalau kita butuh memanggil-manggil mereka dengan menggunakan index.

Untuk saat ini, saya akan membuang kolom yang tidak perlu, antara lain 'Country Code', 'Indicator Code', dan semua tahun selain 2017. Sebuah catatan, jika anda sedang melakukan penelitian serius, kode negara dan kode indikator sangatlah penting. Selalu simpan data master yang tidak disentuh sama sekali sebagai back-up!!

Kembali ke laptop, kita drop kolom yang tidak perlu untuk latihan:

df=df.drop(columns=['Country Code','Indicator Code']) # menghapus variabel country code dan indicator code

# menghapus kolom 1960 - 2016
for i in range(1960,2017):
    a=str(i)
    df=df.drop(columns=a)

# menghapus kolom 2018 dan 2019
df=df.drop(columns=['2018','2019','Unnamed: 64'])
df

Kita telah sukses menghapus kolom-kolom yang tidak diperlukan. Data diatas seharusnya memiliki ukuran yang jauh lebih kecil dibandingkan sebelumnya.

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 377784 entries, 0 to 377783
Data columns (total 3 columns):
 #   Column          Non-Null Count   Dtype  
---  ------          --------------   -----  
 0   Country Name    377784 non-null  object 
 1   Indicator Name  377784 non-null  object 
 2   2017            187824 non-null  float64
dtypes: float64(1), object(2)
memory usage: 8.6+ MB
Copy

Dapat anda lihat di atas, sekarang ukuran data kita tinggal sekitar 8,6 MB saja. Jauh dibandingkan sebelumnya ya?

Nah, sekarang kita telah memiliki data yang sifatnya cross section, tapi cross sectionnya masih menurun ke bawah. Yang saya inginkan adalah data yang bentuknya kira-kira seperti ini:

Beberapa langkah harus kita lakukan

Pertama, anda dapat lihat bahwa observasi paling atas memiliki nama negara “Arab World”. Tentu saja ini bukan nama sebuah negara, tapi nama sebuah regional. Jika kita panggil semua nama unik dari nama negara, anda akan mendapati bahwa nama-nama teratas adalah nama regional, bukan nama negara.

df.set_index(['Country Name','Indicator Name']) # set index

Sekarang, data kita sudah dibuat sedemikian sehingga index-nya adalah Country Name dan Indicator Name. Namun

df['Country Name'].unique()

array(['Arab World', 'Caribbean small states',
       'Central Europe and the Baltics', 'Early-demographic dividend',
       'East Asia & Pacific',
       'East Asia & Pacific (excluding high income)',
       'East Asia & Pacific (IDA & IBRD countries)', 'Euro area',
       'Europe & Central Asia',
       'Europe & Central Asia (excluding high income)',
       'Europe & Central Asia (IDA & IBRD countries)', 'European Union',
       'Fragile and conflict affected situations',
       'Heavily indebted poor countries (HIPC)', 'High income',
       'IBRD only', 'IDA & IBRD total', 'IDA blend', 'IDA only',
       'IDA total', 'Late-demographic dividend',
       'Latin America & Caribbean',
       'Latin America & Caribbean (excluding high income)',
       'Latin America & the Caribbean (IDA & IBRD countries)',
       'Least developed countries: UN classification',
       'Low & middle income', 'Low income', 'Lower middle income',
       'Middle East & North Africa',
       'Middle East & North Africa (excluding high income)',
       'Middle East & North Africa (IDA & IBRD countries)',
       'Middle income', 'North America', 'Not classified', 'OECD members',
       'Other small states', 'Pacific island small states',
       'Post-demographic dividend', 'Pre-demographic dividend',
       'Small states', 'South Asia', 'South Asia (IDA & IBRD)',
       'Sub-Saharan Africa', 'Sub-Saharan Africa (excluding high income)',
       'Sub-Saharan Africa (IDA & IBRD countries)', 'Upper middle income',
       'World', 'Afghanistan', 'Albania', 'Algeria', 'American Samoa',
       'Andorra', 'Angola', 'Antigua and Barbuda', 'Argentina', 'Armenia',
       'Aruba', 'Australia', 'Austria', 'Azerbaijan', 'Bahamas, The',
       'Bahrain', 'Bangladesh', 'Barbados', 'Belarus', 'Belgium',
       'Belize', 'Benin', 'Bermuda', 'Bhutan', 'Bolivia',
       'Bosnia and Herzegovina', 'Botswana', 'Brazil',
       'British Virgin Islands', 'Brunei Darussalam', 'Bulgaria',
       'Burkina Faso', 'Burundi', 'Cabo Verde', 'Cambodia', 'Cameroon',
       'Canada', 'Cayman Islands', 'Central African Republic', 'Chad',
       'Channel Islands', 'Chile', 'China', 'Colombia', 'Comoros',
       'Congo, Dem. Rep.', 'Congo, Rep.', 'Costa Rica', "Cote d'Ivoire",
       'Croatia', 'Cuba', 'Curacao', 'Cyprus', 'Czech Republic',
       'Denmark', 'Djibouti', 'Dominica', 'Dominican Republic', 'Ecuador',
       'Egypt, Arab Rep.', 'El Salvador', 'Equatorial Guinea', 'Eritrea',
       'Estonia', 'Eswatini', 'Ethiopia', 'Faroe Islands', 'Fiji',
       'Finland', 'France', 'French Polynesia', 'Gabon', 'Gambia, The',
       'Georgia', 'Germany', 'Ghana', 'Gibraltar', 'Greece', 'Greenland',
       'Grenada', 'Guam', 'Guatemala', 'Guinea', 'Guinea-Bissau',
       'Guyana', 'Haiti', 'Honduras', 'Hong Kong SAR, China', 'Hungary',
       'Iceland', 'India', 'Indonesia', 'Iran, Islamic Rep.', 'Iraq',
       'Ireland', 'Isle of Man', 'Israel', 'Italy', 'Jamaica', 'Japan',
       'Jordan', 'Kazakhstan', 'Kenya', 'Kiribati',
       'Korea, Dem. People’s Rep.', 'Korea, Rep.', 'Kosovo', 'Kuwait',
       'Kyrgyz Republic', 'Lao PDR', 'Latvia', 'Lebanon', 'Lesotho',
       'Liberia', 'Libya', 'Liechtenstein', 'Lithuania', 'Luxembourg',
       'Macao SAR, China', 'Madagascar', 'Malawi', 'Malaysia', 'Maldives',
       'Mali', 'Malta', 'Marshall Islands', 'Mauritania', 'Mauritius',
       'Mexico', 'Micronesia, Fed. Sts.', 'Moldova', 'Monaco', 'Mongolia',
       'Montenegro', 'Morocco', 'Mozambique', 'Myanmar', 'Namibia',
       'Nauru', 'Nepal', 'Netherlands', 'New Caledonia', 'New Zealand',
       'Nicaragua', 'Niger', 'Nigeria', 'North Macedonia',
       'Northern Mariana Islands', 'Norway', 'Oman', 'Pakistan', 'Palau',
       'Panama', 'Papua New Guinea', 'Paraguay', 'Peru', 'Philippines',
       'Poland', 'Portugal', 'Puerto Rico', 'Qatar', 'Romania',
       'Russian Federation', 'Rwanda', 'Samoa', 'San Marino',
       'Sao Tome and Principe', 'Saudi Arabia', 'Senegal', 'Serbia',
       'Seychelles', 'Sierra Leone', 'Singapore',
       'Sint Maarten (Dutch part)', 'Slovak Republic', 'Slovenia',
       'Solomon Islands', 'Somalia', 'South Africa', 'South Sudan',
       'Spain', 'Sri Lanka', 'St. Kitts and Nevis', 'St. Lucia',
       'St. Martin (French part)', 'St. Vincent and the Grenadines',
       'Sudan', 'Suriname', 'Sweden', 'Switzerland',
       'Syrian Arab Republic', 'Tajikistan', 'Tanzania', 'Thailand',
       'Timor-Leste', 'Togo', 'Tonga', 'Trinidad and Tobago', 'Tunisia',
       'Turkey', 'Turkmenistan', 'Turks and Caicos Islands', 'Tuvalu',
       'Uganda', 'Ukraine', 'United Arab Emirates', 'United Kingdom',
       'United States', 'Uruguay', 'Uzbekistan', 'Vanuatu',
       'Venezuela, RB', 'Vietnam', 'Virgin Islands (U.S.)',
       'West Bank and Gaza', 'Yemen, Rep.', 'Zambia', 'Zimbabwe'],
      dtype=object)
Copy

Nama individu negara baru dimulai setelah “world”, tepat di Afghanistan ke bawah. Untuk itu, semua observasi di atas Afghanistan harus kita buang. Pertama cari tau dulu Afghanistan dimulai di observasi nomor berapa.

df['Country Name'][0:67260] # Dapat dimulai dari 0:1000 lalu angka di belakang ditambahkan jika belum ketemu Afghanistan
                            # dikurangi jika sudah kelewatan. 

0         Arab World
1         Arab World
2         Arab World
3         Arab World
4         Arab World
            ...     
67255          World
67256          World
67257    Afghanistan
67258    Afghanistan
67259    Afghanistan
Name: Country Name, Length: 67260, dtype: object
Copy

Dapat dilihat bahwa Afghanistan dimulai di baris ke-67257. Mari kita drop semua baris sebelum 67257.

df=df[67258:377784] # jangan lupa bahwa indexing di python dimulai di 0.
df                  # ngecek data kita setelah dibuang semua non-negara

Sudah tampak cantik yah. Setelah itu, yang perlu kita lakukan adalah tinggal melakukan unstack data berdasarkan indicator name. kita harus set index terlebih dahulu terhadap dua object kita untuk menjadikannya cross section.

df=df.set_index(['Country Name','Indicator Name']) # set index
df

Nah, sekarang susunannya sudah sesuai dengan index yang kita inginkan. Terakhir, yang kita lakukan adalah unstack data berdasarkan nama indikator. Inilah yang agak susah dilakukan pakai sheets. (susah buat saya soalnya saya kurang jago microsoft excel).

latihan=df.unstack(['Indicator Name'])          # mindahin nama indikator sebagai kolom
latihan

Masih ada sedikit masalah di data ini, yaitu kita punya 2 headers, yaitu 2017 dan Indicator Name. Masalahnya adalah, kita tidak bisa langsung memanggil nama variabelnya. memanggil:

latihan['Access to electricity (% of population)']

akan menghasilkan eror. Sementara itu, kita bisa panggil 2017, tapi nama kolom lainnya ikutan terpanggil. Coba kode ini:

latihan['2017']

Cara yang terbaik adalah memanggil keduanya, di mana 2017 adalah nama kolom pertama, diikuti nama kolom yang kita inginkan.

latihan['2017']['Access to electricity (% of population)']

Country Name
Afghanistan               97.700000
Albania                  100.000000
Algeria                  100.000000
American Samoa                  NaN
Andorra                  100.000000
                            ...    
Virgin Islands (U.S.)    100.000000
West Bank and Gaza        99.700000
Yemen, Rep.               79.200000
Zambia                    40.300000
Zimbabwe                  40.482048
Name: Access to electricity (% of population), Length: 217, dtype: float64
Copy

Jadi kita perlu membuang row paling atas yang berisi 2017. kita gunakan fungsi droplevel

latihan.columns=latihan.columns.droplevel(0)
latihan

mari kita coba panggil kolom latihan['Access to electricity (% of population)']

latihan['Access to electricity (% of population)']

Country Name
Afghanistan               97.700000
Albania                  100.000000
Algeria                  100.000000
American Samoa                  NaN
Andorra                  100.000000
                            ...    
Virgin Islands (U.S.)    100.000000
West Bank and Gaza        99.700000
Yemen, Rep.               79.200000
Zambia                    40.300000
Zimbabwe                  40.482048
Name: Access to electricity (% of population), Length: 217, dtype: float64
Copy

Yup! Sudah bisa. Tidak eror lagi. Nanti, di proyek kalian, tentu akan males menulis berkali-kali nulis latihan['Access to electricity (% of population)'] karena kepanjangan. Nanti anda bisa menamakan kembali kolom tersebut dengan nama yang lebih pendek dan gampang diambil. Tentu saja untuk proyek anda nanti, anda nggak harus memakai semua kolom yang ada di dataset ini. Itu dipikirkan nanti saja yah!

Terakhir, yang perlu kita lakukan adalah mengexport si latihan ke bentuk sheets supaya enak dilihat. Selalu gunakan ekstensi .csv yah!

latihan.to_csv("latihan.csv")

---------------------------------------------------------------------------

PermissionError                           Traceback (most recent call last)

<ipython-input-31-50df1f6bddd1> in <module>
----> 1 latihan.to_csv("latihan.csv")


C:\Users\DELL\Anaconda3\lib\site-packages\pandas\core\generic.py in to_csv(self, path_or_buf, sep, na_rep, float_format, columns, header, index, index_label, mode, encoding, compression, quoting, quotechar, line_terminator, chunksize, date_format, doublequote, escapechar, decimal, errors)
   3165             decimal=decimal,
   3166         )
-> 3167         formatter.save()
   3168 
   3169         if path_or_buf is None:


C:\Users\DELL\Anaconda3\lib\site-packages\pandas\io\formats\csvs.py in save(self)
    188                 encoding=self.encoding,
    189                 errors=self.errors,
--> 190                 compression=dict(self.compression_args, method=self.compression),
    191             )
    192             close = True


C:\Users\DELL\Anaconda3\lib\site-packages\pandas\io\common.py in get_handle(path_or_buf, mode, encoding, compression, memory_map, is_text, errors)
    491         if encoding:
    492             # Encoding
--> 493             f = open(path_or_buf, mode, encoding=encoding, errors=errors, newline="")
    494         elif is_text:
    495             # No explicit encoding


PermissionError: [Errno 13] Permission denied: 'latihan.csv'
Copy

Seperti yang anda lihat, sebenarnya agak ribet ngutik-ngutik data dengan Pandas, apalagi jika anda paham menggunakan pivot table di excel atau google sheet. Salah satu cara terbaik ya tentu saja mengutik-utik datanya di excel atau google sheet, lalu di-save as dengan extensi csv sebelum dibaca di python. Tidak ada masalah. Whatever works for you!