{"id":3565,"date":"2023-07-16T19:43:48","date_gmt":"2023-07-16T19:43:48","guid":{"rendered":"https:\/\/statorials.org\/id\/panda-bermutasi\/"},"modified":"2023-07-16T19:43:48","modified_gmt":"2023-07-16T19:43:48","slug":"panda-bermutasi","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/panda-bermutasi\/","title":{"rendered":"Pandas: cara menggunakan fungsi mutate() yang setara dengan r"},"content":{"rendered":"

<\/p>\n

\n

Dalam bahasa pemrograman R, kita dapat menggunakan fungsi mutate()<\/strong> dari paket dplyr<\/strong> untuk dengan cepat menambahkan kolom baru ke bingkai data yang dihitung dari kolom yang ada.<\/span><\/span><\/p>\n

Misalnya, kode berikut menunjukkan cara menghitung nilai rata-rata kolom tertentu di R dan menambahkan nilai tersebut sebagai kolom baru dalam bingkai data:<\/span><\/p>\n

 library<\/span> (dplyr)\n\n#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n                 points=c(30, 22, 19, 14, 14, 11, 20, 28))\n\n#add new column that shows mean points by team\n<\/span>df <- df %>%\n      group_by(team) %>%\n      mutate(mean_points = mean(points))\n\n#view updated data frame\n<\/span>df\n\n  team points mean_points           \n1 to 30 21.2\n2 A 22 21.2\n3 A 19 21.2\n4 A 14 21.2\n5 B 14 18.2\n6 B 11 18.2\n7 B 20 18.2\n8 B 28 18.2\n<\/strong><\/pre>\n
 Setara dengan fungsi mutate()<\/strong> di panda adalah fungsi transform()<\/strong> .<\/span><\/p>\n
 Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.<\/span><\/p>\n
 Contoh: menggunakan transform() di panda untuk mereplikasi mutate() di R<\/strong><\/span><\/h2>\n
 Misalkan kita memiliki panda DataFrame berikut yang menunjukkan poin yang dicetak oleh pemain bola basket dari tim berbeda:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n                   ' points<\/span> ': [30, 22, 19, 14, 14, 11, 20, 28]})<\/span>\n\n#view DataFrame\nprint<\/span> (df)\n\n  team points\n0 to 30\n1 to 22\n2 to 19\n3 to 14\n4 B 14\n5 B 11\n6 B 20\n7 B 28\n<\/span><\/span><\/strong><\/pre>\n
 Kita dapat menggunakan fungsi transform()<\/strong> untuk menambahkan kolom baru bernama Mean_points<\/strong> yang menunjukkan rata-rata poin yang dicetak oleh masing-masing tim:<\/span><\/p>\n
 #add new column to DataFrame that shows mean points by team\n<\/span>df[' mean_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' mean<\/span> ')\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n  team points mean_points\n0 to 30 21.25\n1 to 22 21.25\n2 A 19 21.25\n3 to 14 21.25\n4 B 14 18.25\n5 B 11 18.25\n6 B 20 18.25\n7 B 28 18.25\n<\/strong><\/pre>\n
 Nilai rata-rata poin untuk pemain di Tim A adalah 21,25<\/strong> dan nilai rata-rata poin untuk pemain di Tim B adalah 18,25<\/strong> , jadi nilai-nilai ini diberikan sesuai dengan masing-masing pemain di kolom baru.<\/span><\/p>\n
 Perhatikan bahwa ini cocok dengan hasil yang diperoleh menggunakan fungsi mutate()<\/strong> pada contoh pendahuluan.<\/span><\/p>\n
 Perlu dicatat bahwa Anda juga dapat menggunakan lambda<\/strong> untuk melakukan perhitungan khusus dalam fungsi transform()<\/strong> .<\/span><\/p>\n
 Misalnya, kode berikut menunjukkan cara menggunakan lambda<\/strong> untuk menghitung<\/span> persentase total poin yang dicetak oleh setiap pemain di timnya masing-masing:<\/span><\/p>\n
 #create new column called percent_of_points\ndf[' percent_of_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> ( lambda<\/span> x:x\/ x.sum<\/span> ())\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n  team points percent_of_points\n0 A 30 0.352941\n1 A 22 0.258824\n2 A 19 0.223529\n3 A 14 0.164706\n4 B 14 0.191781\n5 B 11 0.150685\n6 B 20 0.273973\n7 B 28 0.383562\n<\/span><\/span><\/strong><\/pre>\n
 Berikut cara menafsirkan hasilnya:<\/span><\/p>\n