Bagi yang masih pemula banget soal Python, di thread ini gue kasi introduksi singkat yuk.
Penggunaan Python di dunia Data Science dan Data Analytics cukup signifikan. Sifatnya yang open source, fleksibel, serta memiliki ekosistem yang suportif membuat Python jadi tools yang kuatβ¦
Penggunaan Python di dunia Data Science dan Data Analytics cukup signifikan. Sifatnya yang open source, fleksibel, serta memiliki ekosistem yang suportif membuat Python jadi tools yang kuatβ¦
Sejatinya Python adalah bahasa pemrograman multi fungsi di mana juga bisa digunakan secara praktis untuk data analysis. Maka, tidak jarang project data itu tidak hanya sekadar melakukan kalkulasi dari data, tapi juga membangun aplikasi lain yang mendukung menggunakan Python.
Untuk bisa mengutak-atik Python, pilihan tools-nya banyak. Untuk data sendiri umumnya menggunakan Jupyter atau Google Colab. Tapi, tentu kita bisa memilih IDE yang lain, tergantung fungsinya.
Intermezzo dikit. Bagi yang sudah memakai Python, IDE kamu apa? Pernah gue tanyain di thread ini:
Jupyter Notebook dijalankan per sel (cell), di mana kita bisa eksekusi baris coding bagian demi bagian, hasilnya bisa terlihat dengan lebih spesifik.
Di data science, Jupyter digunakan untuk kolaborasi, eskperimen, atau penjabaran project.
Di data science, Jupyter digunakan untuk kolaborasi, eskperimen, atau penjabaran project.
VS Code atau Spyder juga bisa digunakan untuk Python, walau memiliki prinsip yang berbeda. Untuk IDE seperti ini, lebih cocok jika output-nya adalah aplikasi atau script .py yang nantinya berguna di pemrosesan data.
Umumnya untuk pemula, instalasi Python dan berbagai tools dan library terkait bisa menggunakan Anaconda. Anaconda ini memang disitribusi khusus untuk penggunaan data science atau data analytics.
Anaconda juga berkontribusi untuk pengembangan Pyhton di Microsoft Excel. Jadi, ke depannya kita bisa implementasi script Python di Excel. Kita tunggu saja kalau yang ini sih!
Sebelum lanjut pelajarannya, ini ada buku Python buat latihan. Gratis, bacanya di web penulisnya.
Di Python umumnya menggunakan library, yaitu modul dan fungsi yang dapat digunakan untuk mempermudah proses dengan menyediakan berbagai fungsionalitas yang siap pakai.
Contohnya adalah NumPy untuk komputasi numerik dan Pandas untuk analisis data.
Contohnya adalah NumPy untuk komputasi numerik dan Pandas untuk analisis data.
Untuk pemula, bisa mencoba install Python menggunakan distribusi Anaconda. Dari situ, kita bisa coba ngulik pakai Jupyter. Coba eksplor lagi di tutorial Anaconda mengenai penggunaan selanjutnya.
Silahkan cek: datacamp.com
Silahkan cek: datacamp.com
Kalau mau komitmen mendalami Data Analytics, belajar Python dst, juga perlu punya kebiasaan untuk membaca dokumentasi. Untuk Anaconda sendiri, coba menyelam lebih dalam agar kita punya lebih banyak informasi:
docs.anaconda.com
docs.anaconda.com
Untuk lebih jauh soal Python, gue pernah post GitHub yang isinya banyak latihan soal Python yang bisa dijalanin di Jupyter atau Google Colab.
Bisa ke sini:
Bisa ke sini:
Untuk thread ini kita ngomong di introduksi dulu ya. Untuk kegunaan Python, kenapa ini seru banget dipelajarin, lalu kenapa hype banget belakangan, kita bisa ngobrol di thread berikutnya.
Jika ada IG boleh juga add saya di :
instagram.com
Jika ada IG boleh juga add saya di :
instagram.com
Loading suggestions...