Day 1 Algorit.ma : Python For Data Analysis

Day 1, here I will share my notes of Inclass notebook. For further example you can check out on https://github.com/Saltfarmer/Algoritma-BFLP-DS-Audit/tree/main

Coursebook: Python for Data Analysts

This notebook was made based on main materials Python for Data Analysts.ipynb

Version: BRI Audit Analytics - January 2024

---

Training Objectives

• Introduction to the pandas library.
• Introduction to DataFrame
• Data Types
• Exploratory Data Analysis I
• Indexing and Subsetting

1. Perkenalan Jupyter Notebook

1.1 Tipe Cell

Tipe cell dalam notebook:

1. Markdown

Cell markdown diperuntuhkan untuk menuliskan narasi.

Halo 1

Halo 2

Pada bagian markdown terdapat beberapa hal yang dapat dilakukan, seperti membuat beberapa hal berikut ini:

• Heading

Pada bagian ini dapat ditambahkan heading dengan menambahkan hashtag #.

- `#` -> Heading 1
- `##` -> Heading 2
- `###` -> Heading 3

• Emphasis

Ketika ingin mengatur jenis tulisan dengan memberikan karakter yang lebih tegas kita bisa memanfaatkan *.

- *kata* -> Untuk mengatur tulisan menjadi Italic
- **kata** -> Untuk mengatur tulisan menjadi Bold
- ***kata*** -> Untuk mengatur tulisan menjadi Italic & Bold

• Bullets

Untuk membuat beberapa point, terdapat beberapa metode yang bisa digunakan.

- Untuk membuat point dalam bentuk angka, bisa menggunakan angka 1.
- Untuk membuat point dalam bentuk bullets, bisa menggunakan - atau *.

2. Code

Cell code diperuntuhkan untuk menuliskan kode.

# Ini merupakan cell untuk code
print("hello world")

hello world

Mini Quiz

Q: Apakah perbedaan paling mencolok antara cell mardown dan code?

A:

Mode cell dalam notebook:

1. Command mode (cell berwarna BIRU)

• B: menambahkan cell baru di Bawah (Below)
• A: menambahkan cell baru di Atas (Above)
• DD: Delete cell
• C: Copy cell
• V: Paste cell
• Y: Mengubah ke code cell
• M: Mengubah ke markdown cell
• Enter: Mengubah command mode menjadi edit mode

2. Edit mode (cell berwarna HIJAU)

• Ctrl + Enter: eksekusi satu cell
• Esc: Mengubah edit mode menjadi command mode

1.2 Shortcut

Kumpulan shortcut: CTRL + SHIFT + P

2. Basic Python Programming

2.1 Variables

Variable adalah sebuah nama yang dipakai untuk menunjukkan sebuah nilai. Tanda = dipakai untuk membuat variable baru. Proses ini sering disebut sebagai assignment.

# melakukan assignment
perusahaan = "Algoritma"

# print isi objek
perusahaan

'Algoritma'

Mari kita coba buat sebuah objek, yang berisikan nama kita!

# code here
nama = 'Gama Candra Tri Kartika'

print(nama)

Gama Candra Tri Kartika

2.2 Case Sensitive

Python adalah bahasa pemrograman yang case-sensitive sehingga penamaan variable menjadi hal yang perlu diperhatikan.

Misal kita ingin memanggil objek perusahaan tapi dengan huru p kapital.

# Memanggil objek sebelumnya
perusahaan
# Case sensitive

'Algoritma'

Berikut beberapa anjuran dalam memberikan nama variable pada Python:

• Special character !, $ , &, dll tidak dapat digunakan dalam penamaan variabel.
• Tidak boleh menggunakan angka di awal.
• Bersifat case-sensitive sehingga penamaan variable algoritma, ALGORITMA, dan Algoritma adalah 3 variable yang berbeda
• Tidak boleh menggunakan keyword pada Python

2.3 Keywords

Keywords adalah kata kunci yang sudah ditetapkan oleh Python sebagai nama yang tidak bisa dipakai baik untuk penamaan fungsi, variabel, dan lainnya. Keyword ditulis dalam lower-case (huruf kecil semua) kecuali keyword True, False, dan None. Sejauh ini (Python 3.10) keyword yang ada pada Python adalah sebagai berikut:

#Cek daftar keyword
import keyword
keyword.kwlist

['False',
 'None',
 'True',
 'and',
 'as',
 'assert',
 'async',
 'await',
 'break',
 'class',
 'continue',
 'def',
 'del',
 'elif',
 'else',
 'except',
 'finally',
 'for',
 'from',
 'global',
 'if',
 'import',
 'in',
 'is',
 'lambda',
 'nonlocal',
 'not',
 'or',
 'pass',
 'raise',
 'return',
 'try',
 'while',
 'with',
 'yield']

Untuk membuktikan bahwa keyword tidak dapat digunakan sebagai nama variabel, mari kita coba untuk menyimpan nilai 1 pada variabel True.

# Contoh ketika menyimpan kedalam sebuah keywords
True = 1

  Cell In[7], line 2
    True = 1
    ^
SyntaxError: cannot assign to True

3. Introduction to Pandas Library

3.1 Import Library

pandas adalah library yang powerful sebagai tools analisis data dan struktur pada Python. Dengan pandas, mengolah data menjadi mudah karena disediakan salah satu objek bernama DataFrame. Dengan dataframe kita dapat membaca sebuah file, mengolah suatu data dengan menggunakan operasi seperti join, distinct, group by, agregasi, dan teknik lainnya.

Lebih lengkapnya silahkan kunjungi official documentation

Untuk menggunakan pandas, kita perlu import terlebih dahulu library dengan cara berikut ini:

#code here
import pandas

Mari kita coba cek versi library dengan cara memanggil nama library lalu ditambahkan dengan syntax .__version__

#code here
pandas.__version__

'2.0.3'

Kita bisa menggunakan teknik aliasing agar pengetikan nama library tidak terlalu panjang, yaitu dengan as.

#code here
import pandas as pd

Setelah menggunakan teknik aliasing kita hanya perlu memanggil nama asli library, melainkan kita bisa memanggil nama aliasing yang sudah kita tentukan sebelumnya.

Untuk lebih memahaminya mari kita coba cek versi pandas kita kembali.

#code here
pd.__version__

'2.0.3'

3.2 Membaca Data

Dalam membaca data kita akan menggunakan salah satu fungsi dari pandas dan dalam memanfaatkan fungsi dari pandas kita harus mengikuti syntax yang sudah disediakan.

Semua method pada pandas dapat dipanggil dengan syntax seperti: pandas.function_name(). Langkah pertama yang akan kita lakukan adalah membaca data. Kita dapat menggunakan method .read_csv() untuk membaca sebuah file dengan format .csv.

# code here
rice = pd.read_csv("data_input/rice.csv", index_col=0)
rice.head()

	receipt_id	receipts_item_id	purchase_time	category	sub_category	format	unit_price	discount	quantity	yearmonth
1	9622257	32369294	7/22/2018 21:19	Rice	Rice	supermarket	128000.0	0	1	2018-07
2	9446359	31885876	7/15/2018 16:17	Rice	Rice	minimarket	102750.0	0	1	2018-07
3	9470290	31930241	7/15/2018 12:12	Rice	Rice	supermarket	64000.0	0	3	2018-07
4	9643416	32418582	7/24/2018 8:27	Rice	Rice	minimarket	65000.0	0	1	2018-07
5	9692093	32561236	7/26/2018 11:28	Rice	Rice	supermarket	124500.0	0	1	2018-07

Seperti yang kita lihat, pada data kita terdapat kolom yang bernama RowNumber. Hal tersebut sangatlah lumrah terjadi, karena biasanya pada data dengan format csv, memiliki sebuah kolom yang berisikan index atau urutan dari datanya.

Untuk menghilangkan kolom tersebut, pada fungsi read_csv() terdapat sebuah parameter yang bernama index_col =

Intuisi dari parameter index_col pada read_csv() adalah menjadikan kolom pada Dataframe sebagai index pada baris. Berikut beberapa nilai yang dapat ditampung oleh parameter index_col.

• Angka 0, 1, 2, dst : Menunjukkan index atau urutan kolom yang akan dijadikan sebagai index baris.
• 'nama_kolom' : Selain menggunakan nilai index nya, kita juga dapat langsung mengetikkan nama kolomnya.

Mari kita coba implementasikan parameter tersebut.

# code here
turnover = pd.read_csv("data_input/turnover.csv", index_col='RowNumber')

Additional Information:

Python menggunakan sistem zero based indexing yang berarti, urutan pada python dimulai dari angka 0.

3.3 Head & Tail

Daripada melihat keseluruhan data, lebih baik kita “mengintip” sebagian baris yang dapat merepresentasikan bentuk keseluruhan data.

Fungsi head() untuk melihat beberapa baris teratas pada data (default 5)

# code here
turnover.head(5)

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
1	15634602	Hargrave	619	France	Female	42	2	0.00	1	1	1	101348.88	1
2	15647311	Hill	608	Spain	Female	41	1	83807.86	1	0	1	112542.58	0
3	15619304	Onio	502	France	Female	42	8	159660.80	3	1	0	113931.57	1
4	15701354	Boni	699	France	Female	39	1	0.00	2	0	0	93826.63	0
5	15737888	Mitchell	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0

Fungsi tail() untuk melihat beberapa data terakhir.

# code here
turnover.tail(5)

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
9996	15606229	Obijiaku	771	France	Male	39	5	0.00	2	1	0	96270.64	0
9997	15569892	Johnstone	516	France	Male	35	10	57369.61	1	1	1	101699.77	0
9998	15584532	Liu	709	France	Female	36	7	0.00	1	0	1	42085.58	1
9999	15682355	Sabbatini	772	Germany	Male	42	3	75075.31	2	1	0	92888.52	1
10000	15628319	Walker	792	France	Female	28	4	130142.79	1	1	0	38190.78	0

turnover.sample(5)

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
6190	15572408	Chambers	714	Germany	Male	39	3	149887.49	2	1	0	63846.36	0
4780	15711843	Pisani	613	Germany	Male	40	1	147856.82	3	0	0	107961.11	1
2074	15573309	Ward	626	Spain	Female	48	2	0.00	2	1	1	95794.98	0
5404	15733169	Craig	590	Spain	Male	22	7	125265.61	1	1	1	161253.08	0
4363	15618695	Ts'ui	571	Spain	Female	22	3	108117.10	1	0	1	53328.70	0

3.4 Tipe Data (Data Types)

Dataframe terdiri dari beberapa Series (mengacu pada satu kolom). Dalam satu series harus memiliki satu tipe data yang sama. pandasakan mencoba untuk menetapkan tipe data dari masing-masing Series, tapi tidak selalu benar.

3.4.1 Cara cek tipe data:

Kita dapat memanfaakan kedua hal berikut ini untuk mengecek tipe data, dtypes atau .info() untuk lebih lengkapnya

🔎 Method vs. Atribut

• Secara fisik/terlihat mata, method selalu diikuti dengan tanda kurung ()
  • Contoh : head(). tail(), read_csv()
• Secara fisik/terlihat mata, atribut tidak diikuti oleh tanda kurung
  • Contoh : dtypes
• Didalam sebuah method, nilai parameter itu bisa diganti-ganti
  • Contoh : head(n=) -> parameter n bisa diganti/disesuaikan dengan jumlah baris yang mau ditampilkan
• Pada sebuah atribut, penggunaaan apa adanya/tidak ada nilai yang bisa diganti ganti

# check tipe data dengan dtypes
print("Datatypes dari data Rice")
print(rice.dtypes)
print("\nDatatypes dari data Turnover")
print(turnover.dtypes)

Datatypes dari data Rice
receipt_id            int64
receipts_item_id      int64
purchase_time        object
category             object
sub_category         object
format               object
unit_price          float64
discount              int64
quantity              int64
yearmonth            object
dtype: object

Datatypes dari data Turnover
CustomerId           int64
Surname             object
CreditScore          int64
Geography           object
Gender              object
Age                  int64
Tenure               int64
Balance            float64
NumOfProducts        int64
HasCrCard            int64
IsActiveMember       int64
EstimatedSalary    float64
Exited               int64
dtype: object

# check tipe data dengan .info()
turnover.info()

<class 'pandas.core.frame.DataFrame'>
Index: 10000 entries, 1 to 10000
Data columns (total 13 columns):
 #   Column           Non-Null Count  Dtype  
---  ------           --------------  -----  
 0   CustomerId       10000 non-null  int64  
 1   Surname          10000 non-null  object 
 2   CreditScore      10000 non-null  int64  
 3   Geography        10000 non-null  object 
 4   Gender           10000 non-null  object 
 5   Age              10000 non-null  int64  
 6   Tenure           10000 non-null  int64  
 7   Balance          10000 non-null  float64
 8   NumOfProducts    10000 non-null  int64  
 9   HasCrCard        10000 non-null  int64  
 10  IsActiveMember   10000 non-null  int64  
 11  EstimatedSalary  10000 non-null  float64
 12  Exited           10000 non-null  int64  
dtypes: float64(2), int64(8), object(3)
memory usage: 1.1+ MB

Gunain dtypes jika ingin mengambil value dtypenya, sedangkan info untuk melihat ringkasan null values, kolom, dan tipe datanya

3.4.2 Categorical and Numerical Variables

Karakteristik tipe data category :

• Dapat dikelompokkan menjadi beberapa kelompok (category)
• Berulang

Dua alasan mengapa kita perlu menggunakan tipe data categorical:

1. Dari sisi “business perspective”, hal ini dapat menginformasikan dan memandu seorang Analyst pada pertanyaan seperti metode statistik atau tipe plot mana yang digunakan untuk mengolah data.

2. Dari sisi teknikal, ketika kita bekerja dengan tipe data categorical pada pandas, hal ini akan jauh menghemat memori dan menambah kecepatan komputasional.

Mari kita cek kembali tipe data pada object turnover. Manakah yang seharusnya memiliki tipe data category?

Kita bisa menggunakan method berikut untuk mengidentifikasi kolom mana yang cocok untuk disimpan ke tipe data category

• .unique() to see unique values of a Series
• .nunique() to see number of unique values of a Series or DataFrame

Berikut contoh syntax untuk mengecek nilai unik pada sebuah kolom

df['nama_kolom'].unique()

# mengecek kolom format dengan fungsi unique()
for kolom in turnover.columns:
    if turnover[kolom].dtypes == 'object':
        print("Kolom : " + kolom)
        print(turnover[kolom].unique())

Kolom : Surname
['Hargrave' 'Hill' 'Onio' ... 'Kashiwagi' 'Aldridge' 'Burbidge']
Kolom : Geography
['France' 'Spain' 'Germany']
Kolom : Gender
['Female' 'Male']

# mengecek kolom format dengan fungsi nunique()
for kolom in turnover.columns:
    if turnover[kolom].dtypes == 'object':
        print("Kolom : " + kolom)
        print(turnover[kolom].nunique())

Kolom : Surname
2932
Kolom : Geography
3
Kolom : Gender
2

for kolom in turnover.columns:
    if turnover[kolom].dtypes == 'object':
        print("Kolom : " + kolom)
        print(turnover[kolom].value_counts())

Kolom : Surname
Surname
Smith       32
Scott       29
Martin      29
Walker      28
Brown       26
            ..
Izmailov     1
Bold         1
Bonham       1
Poninski     1
Burbidge     1
Name: count, Length: 2932, dtype: int64
Kolom : Geography
Geography
France     5014
Germany    2509
Spain      2477
Name: count, dtype: int64
Kolom : Gender
Gender
Male      5457
Female    4543
Name: count, dtype: int64

Dari hasil pengecekan, kolom mana saja yang harus diubah menjadi tipe data kategori?

Untuk mengubah tipe data ke categorical pada pandas, Anda dapat melakukannya dengan method astype() berikut:

Formula

df['column_name'] = df['column_name'].astype('new_data_types')

Contoh

employees['marital_status'] = employees['marital_status'].astype('category')

# turnover['Tenure'].astype('object').value_counts().plot(kind ='bar')

# code here
# Mengubah tipe data integer (angka) atau object ke category (text atau string)
turnover[['Geography', 'Gender', 'HasCrCard', 'IsActiveMember', 'Exited']] = \
turnover[['Geography', 'Gender', 'HasCrCard', 'IsActiveMember', 'Exited']].astype('category')

# Buat manggil dataframe ke tipe data tertentu
turnover.select_dtypes(include='category')

	Geography	Gender	HasCrCard	IsActiveMember	Exited
RowNumber
1	France	Female	1	1	1
2	Spain	Female	0	1	0
3	France	Female	1	0	1
4	France	Female	0	0	0
5	Spain	Female	1	1	0
...	...	...	...	...	...
9996	France	Male	1	0	0
9997	France	Male	1	1	0
9998	France	Female	0	1	1
9999	Germany	Male	1	0	1
10000	France	Female	1	0	0

10000 rows × 5 columns

# cek tipe data
turnover.info()

<class 'pandas.core.frame.DataFrame'>
Index: 10000 entries, 1 to 10000
Data columns (total 13 columns):
 #   Column           Non-Null Count  Dtype   
---  ------           --------------  -----   
 0   CustomerId       10000 non-null  int64   
 1   Surname          10000 non-null  object  
 2   CreditScore      10000 non-null  int64   
 3   Geography        10000 non-null  category
 4   Gender           10000 non-null  category
 5   Age              10000 non-null  int64   
 6   Tenure           10000 non-null  int64   
 7   Balance          10000 non-null  float64 
 8   NumOfProducts    10000 non-null  int64   
 9   HasCrCard        10000 non-null  category
 10  IsActiveMember   10000 non-null  category
 11  EstimatedSalary  10000 non-null  float64 
 12  Exited           10000 non-null  category
dtypes: category(5), float64(2), int64(5), object(1)
memory usage: 752.6+ KB

Additional Information:

• Jika mengubah tipe data untuk angka tanpa koma kita bisa mengisi fungsi .astype() dengan int64
• Jika mengubah tipe data untuk angka dengan koma kita bisa mengisi fungsi .astype() dengan float64

3.5 Exploratory Data Analysis I

Exploratory Data Analysis (EDA) mengacu pada proses melakukan investigasi awal pada data, seringkali dengan tujuan untuk lebih mengenal dengan karakteristik data tertentu. EDA dilakukan dengan bantuan ringkasan statistik dan teknik grafis sederhana untuk melihat struktur data yang kita miliki.

Beberapa tools sederhana pada pandas yang dapat digunakan untuk melakukan EDA adalah sebagai berikut:

• .describe()

3.5.1 describe()

Method describe() menampilkan 8 ringkasan statistika deskriptif. Secara default menampilkan ringkasan untuk kolom numerik.

Ringkasan statistika yang dimaksud adalah sebagai berikut:

• Count: banyaknya baris pada dataframe
• Mean: rata-rata nilai
• Standard Deviation: jarak rata-rata antara data ke mean (titik pusat data)
• Minimum Value: nilai terkecil dari keseluruhan data
• 25th Percentile (Q1)
• 50th Percentile (Q2/Median)
• 75th Percentile (Q3)
• Maximum Value: nilai terbesar dari keseluruhan data

turnover['CustomerId'] = turnover['CustomerId'].astype('object')

#code here
turnover.describe()

	CreditScore	Age	Tenure	Balance	NumOfProducts	EstimatedSalary
count	10000.000000	10000.000000	10000.000000	10000.000000	10000.000000	10000.000000
mean	650.528800	38.921800	5.012800	76485.889288	1.530200	100090.239881
std	96.653299	10.487806	2.892174	62397.405202	0.581654	57510.492818
min	350.000000	18.000000	0.000000	0.000000	1.000000	11.580000
25%	584.000000	32.000000	3.000000	0.000000	1.000000	51002.110000
50%	652.000000	37.000000	5.000000	97198.540000	1.000000	100193.915000
75%	718.000000	44.000000	7.000000	127644.240000	2.000000	149388.247500
max	850.000000	92.000000	10.000000	250898.090000	4.000000	199992.480000

Additional Information

Kita bisa menambahkan parameter include ataupun exclude pada describe() untuk melihat statistika deskriptif dari variable non-numeric:

Task 1: Melihat statistika deskriptif untuk kolom bertipe data selain angka menggunakan exclude = 'number'

#code here
turnover.describe(exclude ='number')

	CustomerId	Surname	Geography	Gender	HasCrCard	IsActiveMember	Exited
count	10000	10000	10000	10000	10000	10000	10000
unique	10000	2932	3	2	2	2	2
top	15634602	Smith	France	Male	1	1	0
freq	1	32	5014	5457	7055	5151	7963

Task 2: Melihat statistika deskriptif untuk kolom bertipe data object menggunakan include = 'object'

#code here
turnover.describe(include =['object'])

	CustomerId	Surname
count	10000	10000
unique	10000	2932
top	15634602	Smith
freq	1	32

3.6 Indexing and Subsetting with Pandas

Indexing digunakan untuk memilih dan mengambil sebagian data yang hanya diperlukan dalam proses analisa data yang sedang dikerjakan. Contohnya:

• Compare sales pada tahun 2018 vs 2019
• Identifikasi peluang penjualan pada segment pasar (ex : Wholesale vs Retail)
• Melihat quarter terbaik untuk setiap tahun yang dapat digunakan untuk tujuan promosi
• dan sebagainya

3.6.1 select_dtypes()

Method select_dtypes() digunakan untuk memilih kolom sesuai dengan tipe datanya. Ada 2 parameter yang dapat digunakan di dalam method select_dtypes() yaitu parameter include dan exclude (seperti pada describe().

Misal:

• parameter include = 'category' artinya kita memilih semua kolom dengan tipe data ‘category’
• sebaliknya, ketika menggunakan parameter exclude = 'category' maka kolom-kolom dengan tipe data selain ‘category’ akan ditampilkan.

Task 1: Mengambil kolom dengan tipe data category

# code here
turnover.select_dtypes(include=['category'])

	Geography	Gender	HasCrCard	IsActiveMember	Exited
RowNumber
1	France	Female	1	1	1
2	Spain	Female	0	1	0
3	France	Female	1	0	1
4	France	Female	0	0	0
5	Spain	Female	1	1	0
...	...	...	...	...	...
9996	France	Male	1	0	0
9997	France	Male	1	1	0
9998	France	Female	0	1	1
9999	Germany	Male	1	0	1
10000	France	Female	1	0	0

10000 rows × 5 columns

Task 2: Mengambil kolom dengan tipe data number

# code here
turnover.select_dtypes(include=['number'])

	CreditScore	Age	Tenure	Balance	NumOfProducts	EstimatedSalary
RowNumber
1	619	42	2	0.00	1	101348.88
2	608	41	1	83807.86	1	112542.58
3	502	42	8	159660.80	3	113931.57
4	699	39	1	0.00	2	93826.63
5	850	43	2	125510.82	1	79084.10
...	...	...	...	...	...	...
9996	771	39	5	0.00	2	96270.64
9997	516	35	10	57369.61	1	101699.77
9998	709	36	7	0.00	1	42085.58
9999	772	42	3	75075.31	2	92888.52
10000	792	28	4	130142.79	1	38190.78

10000 rows × 6 columns

3.6.2 drop()

Method drop() digunakan untuk membuang baris atau kolom yang tidak ingin digunakan untuk tujuan analisis.

• Untuk menghapus baris pada fungsi tersebut dapat kita isi dengan parameter index =
• Untuk menghapus baris pada fungsi tersebut dapat kita isi dengan parameter columns =

Task 1: Hapus baris pertama pada DataFrame!

kopi = turnover.copy()
kopi.head(5)

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
1	15634602	Hargrave	619	France	Female	42	2	0.00	1	1	1	101348.88	1
2	15647311	Hill	608	Spain	Female	41	1	83807.86	1	0	1	112542.58	0
3	15619304	Onio	502	France	Female	42	8	159660.80	3	1	0	113931.57	1
4	15701354	Boni	699	France	Female	39	1	0.00	2	0	0	93826.63	0
5	15737888	Mitchell	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0

# code here
turnover.drop(index=[1]).head()

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
2	15647311	Hill	608	Spain	Female	41	1	83807.86	1	0	1	112542.58	0
3	15619304	Onio	502	France	Female	42	8	159660.80	3	1	0	113931.57	1
4	15701354	Boni	699	France	Female	39	1	0.00	2	0	0	93826.63	0
5	15737888	Mitchell	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0
6	15574012	Chu	645	Spain	Male	44	8	113755.78	2	1	0	149756.71	1

Task 2: Hapus baris ke-2 dan ke-3 pada data!

# code here
turnover.drop(index=[2,3]).head()

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
1	15634602	Hargrave	619	France	Female	42	2	0.00	1	1	1	101348.88	1
4	15701354	Boni	699	France	Female	39	1	0.00	2	0	0	93826.63	0
5	15737888	Mitchell	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0
6	15574012	Chu	645	Spain	Male	44	8	113755.78	2	1	0	149756.71	1
7	15592531	Bartlett	822	France	Male	50	7	0.00	2	1	1	10062.80	0

Task 3: Hapus kolom Age dan Tenure!

# code here
turnover.drop(columns=['Age','Tenure']).head()

	CustomerId	Surname	CreditScore	Geography	Gender	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
1	15634602	Hargrave	619	France	Female	0.00	1	1	1	101348.88	1
2	15647311	Hill	608	Spain	Female	83807.86	1	0	1	112542.58	0
3	15619304	Onio	502	France	Female	159660.80	3	1	0	113931.57	1
4	15701354	Boni	699	France	Female	0.00	2	0	0	93826.63	0
5	15737888	Mitchell	850	Spain	Female	125510.82	1	1	1	79084.10	0

turnover.drop(['Age', 'Tenure'], axis=1).head()

	CustomerId	Surname	CreditScore	Geography	Gender	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
1	15634602	Hargrave	619	France	Female	0.00	1	1	1	101348.88	1
2	15647311	Hill	608	Spain	Female	83807.86	1	0	1	112542.58	0
3	15619304	Onio	502	France	Female	159660.80	3	1	0	113931.57	1
4	15701354	Boni	699	France	Female	0.00	2	0	0	93826.63	0
5	15737888	Mitchell	850	Spain	Female	125510.82	1	1	1	79084.10	0

turnover.columns[0]

'CustomerId'

Task 4: Hapus baris ke 2 dan kolom CustomerId!

# code here
turnover.drop(index=[2] ,columns=['CustomerId']).head()

	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
1	Hargrave	619	France	Female	42	2	0.00	1	1	1	101348.88	1
3	Onio	502	France	Female	42	8	159660.80	3	1	0	113931.57	1
4	Boni	699	France	Female	39	1	0.00	2	0	0	93826.63	0
5	Mitchell	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0
6	Chu	645	Spain	Male	44	8	113755.78	2	1	0	149756.71	1

NOTE: Method drop() tidak mengubah objek dataframenya. Apabila ingin mengubah objek semulanya:

• Melakukan assignment kembali dengan nama objek yang sama: turnover = turnover.drop(...), atau
• Menambahkan parameter inplace: turnover.drop(..., inplace=True)

3.6.3 Slicing: [] operator

Digunakan untuk melakukan subsetting dengan cara mengiris (slicing) index pada dataframe. Formula penulisannya adalah [start:end] dengan mengikuti aturan indexing pada python (dimulai dari 0) dimana start inclusive dan end exclusive.

Task 1: Dengan menggunakan metode slicing, silahkan tampilkan baris ke 1 dan ke 2

• baris ke 1 memiliki urutan index 0
• baris ke 2 memiliki urutan index 1

# code here
turnover[0:2]

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
1	15634602	Hargrave	619	France	Female	42	2	0.00	1	1	1	101348.88	1
2	15647311	Hill	608	Spain	Female	41	1	83807.86	1	0	1	112542.58	0

Task 2: Dengan menggunakan metode slicing, silahkan tampilkan baris ke 10 sampai ke 15

# code here
turnover[9:15]

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
10	15592389	H?	684	France	Male	27	2	134603.88	1	1	1	71725.73	0
11	15767821	Bearce	528	France	Male	31	6	102016.72	2	0	0	80181.12	0
12	15737173	Andrews	497	Spain	Male	24	3	0.00	2	1	0	76390.01	0
13	15632264	Kay	476	France	Female	34	10	0.00	2	1	0	26260.98	0
14	15691483	Chin	549	France	Female	25	5	0.00	2	0	0	190857.79	0
15	15600882	Scott	635	Spain	Female	35	7	0.00	2	1	1	65951.65	0

Task 3: Dengan menggunakan metode slicing, silahkan tampilkan baris ke 17 sampai ke 21

# code here
turnover[16:21]

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
17	15737452	Romeo	653	Germany	Male	58	1	132602.88	1	1	0	5097.67	1
18	15788218	Henderson	549	Spain	Female	24	9	0.00	2	1	1	14406.41	0
19	15661507	Muldrow	587	Spain	Male	45	6	0.00	1	0	0	158684.81	0
20	15568982	Hao	726	France	Female	24	6	0.00	2	1	1	54724.03	0
21	15577657	McDonald	732	France	Male	41	8	0.00	2	1	1	170886.17	0

3.7 .loc dan .iloc

Dengan menggunakan .loc dan iloc kita dapat melakukan pengirisan pada index baris dan kolom.

Perbedaan yang mendasar dari kedua operator ini adalah:

• .iloc merujuk pada lokasi index baris atau kolomnya sehingga harus integer, sedangkan
• .loc merujuk pada lokasi nama baris atau kolomnya

Mari berfokus pada .iloc terlebih dahulu

Syntax: df.iloc[baris, kolom]

Task 1: Tampilkan baris dengan index 3 dan kolom dengan index 1, artinya adalah data pada baris ke empat dan kolom Surname.

# code here
turnover.iloc[3, 1] 

'Boni'

# Buat ngecek lokasi indeks kolom
turnover.columns.get_loc('Age')

5

Task 2: Mengambil baris ke 2 sampai 5 dan kolom dengan CustomerId sampai Age

# code here
turnover.iloc[1:5, turnover.columns.get_loc('CustomerId'):turnover.columns.get_loc('Age')+1] 

	CustomerId	Surname	CreditScore	Geography	Gender	Age
RowNumber
2	15647311	Hill	608	Spain	Female	41
3	15619304	Onio	502	France	Female	42
4	15701354	Boni	699	France	Female	39
5	15737888	Mitchell	850	Spain	Female	43

Task 3: Menampilkan semua data pada kolom Surname dan Exited saja

# code here
turnover.iloc[::, [turnover.columns.get_loc('Surname'),turnover.columns.get_loc('Exited')]] 

	Surname	Exited
RowNumber
1	Hargrave	1
2	Hill	0
3	Onio	1
4	Boni	0
5	Mitchell	0
...	...	...
9996	Obijiaku	0
9997	Johnstone	0
9998	Liu	1
9999	Sabbatini	1
10000	Walker	0

10000 rows × 2 columns

Mari kita pergi ke .loc

Syntax: df.loc[baris, kolom]

Menggunakan .loc, kita bisa mengambil baris dan kolom berdasarkan namanya.

Task 1: Mengambil baris ke 2 sampai 5 dan kolom dengan CustomerId sampai Age

# code here
turnover.loc[2:5, 'CustomerId':'Age']

	CustomerId	Surname	CreditScore	Geography	Gender	Age
RowNumber
2	15647311	Hill	608	Spain	Female	41
3	15619304	Onio	502	France	Female	42
4	15701354	Boni	699	France	Female	39
5	15737888	Mitchell	850	Spain	Female	43

Task 2: Menampilkan semua data pada kolom Surname dan Exited saja

%%time
# code here
turnover.loc[::, ['Surname','Exited']]

CPU times: total: 0 ns
Wall time: 998 µs

	Surname	Exited
RowNumber
1	Hargrave	1
2	Hill	0
3	Onio	1
4	Boni	0
5	Mitchell	0
...	...	...
9996	Obijiaku	0
9997	Johnstone	0
9998	Liu	1
9999	Sabbatini	1
10000	Walker	0

10000 rows × 2 columns

%%time
turnover[['Surname','Exited']][::]

CPU times: total: 0 ns
Wall time: 1.01 ms

	Surname	Exited
RowNumber
1	Hargrave	1
2	Hill	0
3	Onio	1
4	Boni	0
5	Mitchell	0
...	...	...
9996	Obijiaku	0
9997	Johnstone	0
9998	Liu	1
9999	Sabbatini	1
10000	Walker	0

10000 rows × 2 columns

3.8 Conditional Subsetting

Selain menggunakan .loc dan .iloc, kita dapat melakukan subsetting berdasarkan kondisi tertentu. Misal pada dataframe turnover, kita ingin mengambil beberapa data dengan kondisi sebagai berikut:

• Customer yang memutuskan untuk churn: .Exited == 1
• Customer yang memiliki balance di atas 200000:.Balance >= 200000
• Customer dengan credit score sebesar 850: .CreditScore != 0

Syntax penulisan untuk conditional subsetting adalah:

df[df['column_name'] <comparison_operator> <value>]

Contoh comparison_operator adalah seperti ==, !=, >, >=, <, <=.

Task 1: Tampilkan data customer yang memutuskan untuk churn

# code here
# turnover.loc[turnover['Exited'] == 1].loc[::,'Surname']
# atau
turnover[turnover['Exited'] == 1]

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
1	15634602	Hargrave	619	France	Female	42	2	0.00	1	1	1	101348.88	1
3	15619304	Onio	502	France	Female	42	8	159660.80	3	1	0	113931.57	1
6	15574012	Chu	645	Spain	Male	44	8	113755.78	2	1	0	149756.71	1
8	15656148	Obinna	376	Germany	Female	29	4	115046.74	4	1	0	119346.88	1
17	15737452	Romeo	653	Germany	Male	58	1	132602.88	1	1	0	5097.67	1
...	...	...	...	...	...	...	...	...	...	...	...	...	...
9982	15672754	Burbidge	498	Germany	Male	42	3	152039.70	1	1	1	53445.17	1
9983	15768163	Griffin	655	Germany	Female	46	7	137145.12	1	1	0	115146.40	1
9992	15769959	Ajuluchukwu	597	France	Female	53	4	88381.21	1	1	0	69384.71	1
9998	15584532	Liu	709	France	Female	36	7	0.00	1	0	1	42085.58	1
9999	15682355	Sabbatini	772	Germany	Male	42	3	75075.31	2	1	0	92888.52	1

2037 rows × 13 columns

Task 2: Tampilkan data customer yang memiliki balance di atas 200000

# code here
turnover[turnover['Balance'] > 200000]

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
139	15594408	Chia	584	Spain	Female	48	2	213146.20	1	1	0	75161.25	1
521	15671256	Macartney	850	France	Female	35	1	211774.31	1	1	0	188574.12	1
721	15721658	Fleming	672	Spain	Female	56	2	209767.31	2	1	1	150694.42	1
1068	15599131	Dilke	650	Germany	Male	26	4	214346.96	2	1	0	128815.33	0
1175	15588670	Despeissis	705	Spain	Female	40	5	203715.15	1	1	0	179978.68	1
1366	15689514	Kang	625	France	Male	43	8	201696.07	1	1	0	133020.90	1
1534	15769818	Moore	850	France	Female	37	3	212778.20	1	0	1	69372.88	0
2093	15757408	Lo	655	Spain	Male	38	3	250898.09	3	0	1	81054.00	1
2598	15668818	Chidubem	592	Spain	Female	40	2	200322.45	1	1	1	113244.73	0
2710	15780212	Mao	592	France	Male	37	4	212692.97	1	0	0	176395.02	0
3151	15795298	Olisaemeka	573	Germany	Female	35	9	206868.78	2	0	1	102986.15	0
3281	15715622	To Rot	583	France	Female	57	3	238387.56	1	0	1	147964.99	1
3589	15571958	McIntosh	489	Spain	Male	40	3	221532.80	1	1	0	171867.08	0
3921	15620268	Thomson	634	Germany	Male	43	3	212696.32	1	1	0	115268.86	0
4437	15664498	Golovanov	508	France	Male	26	7	205962.00	1	1	0	156424.40	0
4534	15607275	Ch'ang	850	Spain	Male	39	6	206014.94	2	0	1	42774.84	1
5255	15746664	Ts'ui	463	Spain	Male	20	8	204223.03	1	1	0	128268.39	0
5872	15709920	Burke	479	France	Female	33	2	208165.53	1	0	0	50774.81	1
6272	15620756	Stokes	747	France	Male	49	6	202904.64	1	1	1	17298.72	1
6498	15793688	Bancks	669	France	Male	50	9	201009.64	1	1	0	158032.50	1
6718	15586674	Shaw	663	Spain	Female	58	5	216109.88	1	0	1	74176.71	1
6914	15784180	Ku	564	France	Female	36	7	206329.65	1	1	1	46632.87	1
7354	15736420	Macdonald	596	France	Male	21	4	210433.08	2	0	1	197297.77	1
7493	15776545	Napolitani	682	France	Male	28	10	200724.96	1	0	1	82872.64	1
7633	15620570	Sinnett	736	France	Male	43	4	202443.47	1	1	0	72375.03	0
7888	15745433	Conti	716	Germany	Female	30	2	205770.78	2	0	0	65464.66	0
8028	15769412	Atkinson	684	Spain	Male	39	4	207034.96	2	0	0	157694.76	1
8064	15663888	Connor	549	Germany	Male	34	6	204017.40	2	1	0	109538.35	0
8703	15690589	Udinesi	541	France	Male	37	9	212314.03	1	0	1	148814.54	0
8734	15714241	Haddon	749	Spain	Male	42	9	222267.63	1	0	0	101108.85	1
8795	15578671	Webb	706	Spain	Female	29	1	209490.21	1	1	1	133267.69	1
8983	15627971	Coates	504	France	Female	32	8	206663.75	1	0	0	16281.94	0
9834	15807245	McKay	699	Germany	Female	41	1	200117.76	2	1	0	94142.35	0
9921	15673020	Smith	678	France	Female	49	3	204510.94	1	0	1	738.88	1

Task 3: Tampilkan data customer dengan credit score sebesar 850

# code here
turnover[turnover['CreditScore'] == 850]

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
5	15737888	Mitchell	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0
39	15717426	Armstrong	850	France	Male	36	7	0.00	1	1	1	40812.90	0
181	15716334	Rozier	850	Spain	Female	45	2	122311.21	1	1	1	19482.50	0
201	15604482	Chiemezie	850	Spain	Male	30	2	141040.01	1	1	1	5978.20	0
224	15733247	Stevenson	850	France	Male	33	10	0.00	1	1	0	4861.72	1
...	...	...	...	...	...	...	...	...	...	...	...	...	...
9582	15709256	Glover	850	France	Female	28	9	0.00	2	1	1	164864.67	0
9647	15603111	Muir	850	Spain	Male	71	10	69608.14	1	1	0	97893.40	1
9689	15730579	Ward	850	France	Male	68	5	169445.40	1	1	1	186335.07	0
9932	15647800	Greco	850	France	Female	34	6	101266.51	1	1	0	33501.98	0
9950	15798615	Wan	850	France	Female	47	9	137301.87	1	1	0	44351.77	0

233 rows × 13 columns

Additional Information:

Kita juga dapat menggunakan operator & (AND) dan | (OR) untuk melakukan subsetting lebih dari 1 kondisi. Misalnya kita ingin melihat data penjualan dari seorang pegawai bernama Moana yang jumlahnya lebih dari 5000, maka kita dapat menggunakan syntax:

sales[(sales.salesperson == 'Moana') & (sales.amount > 5000)]

Untuk subsetting dengan kondisi lebih dari 1, setiap kondisi diletakkan di dalam tanda kurung () atau bisa ditulis dengan syntax berikut:

df[(kondisi pertama) operator (kondisi kedua) operator (kondisi ketiga) dan seterusnya...]

Poin:

• Operator AND: harus semua kondisi terpenuhi dalam satu baris agar muncul
• Operator OR: salah satu kondisi saja sudah terpenuhi maka baris tsb muncul

Task 1: Lakukan subsetting untuk mengambil semua informasi customer yang memiliki credit score di atas 700 dan memutuskan untuk churn

#code here
turnover[(turnover['CreditScore'] > 700) & (turnover['Exited'] == 1)]

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
44	15755196	Lavine	834	France	Female	49	2	131394.56	1	0	0	194365.76	1
47	15602280	Martin	829	Germany	Female	27	9	112045.67	1	1	1	119708.21	1
71	15703793	Konovalova	738	Germany	Male	58	2	133745.44	4	1	0	28373.86	1
82	15663706	Leonard	777	France	Female	32	2	0.00	1	1	0	136458.19	1
87	15762418	Gant	750	Spain	Male	22	3	121681.82	1	1	0	128643.35	1
...	...	...	...	...	...	...	...	...	...	...	...	...	...
9885	15686974	Sergeyeva	751	France	Female	48	4	0.00	1	0	1	30165.06	1
9961	15681026	Lucciano	795	Germany	Female	33	9	104552.72	1	1	1	120853.83	1
9963	15594612	Flynn	702	Spain	Male	44	9	0.00	1	0	0	59207.41	1
9998	15584532	Liu	709	France	Female	36	7	0.00	1	0	1	42085.58	1
9999	15682355	Sabbatini	772	Germany	Male	42	3	75075.31	2	1	0	92888.52	1

619 rows × 13 columns

Task 2: Tampilkan informasi customer perempuan yang berdomisili di Jerman dan Spanyol

%%time
# code here
# Buat ngecek list dalam list
turnover[(turnover['Geography'].isin(['Germany', 'Spain'])) & (turnover['Gender'] == 'Female')]

CPU times: total: 0 ns
Wall time: 2.98 ms

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
2	15647311	Hill	608	Spain	Female	41	1	83807.86	1	0	1	112542.58	0
5	15737888	Mitchell	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0
8	15656148	Obinna	376	Germany	Female	29	4	115046.74	4	1	0	119346.88	1
15	15600882	Scott	635	Spain	Female	35	7	0.00	2	1	1	65951.65	0
18	15788218	Henderson	549	Spain	Female	24	9	0.00	2	1	1	14406.41	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...
9951	15638494	Salinas	625	Germany	Female	39	10	129845.26	1	1	1	96444.88	0
9961	15681026	Lucciano	795	Germany	Female	33	9	104552.72	1	1	1	120853.83	1
9966	15690164	Shao	627	Germany	Female	33	4	83199.05	1	0	0	159334.93	0
9969	15733491	McGregor	512	Germany	Female	40	8	153537.57	2	0	0	23101.13	0
9983	15768163	Griffin	655	Germany	Female	46	7	137145.12	1	1	0	115146.40	1

2282 rows × 13 columns

# Kunci Jawaban
turnover[(turnover['CreditScore'] > turnover['CreditScore'].quantile(0.75)) \
& (turnover['Balance'] <= turnover['Balance'].quantile(0.25)) \
& (turnover['HasCrCard'] == 0) \
& (turnover['EstimatedSalary'] > turnover['EstimatedSalary'].mean()) \
& (turnover['Geography'] == turnover['Geography'].value_counts().tail(1).index[0])] 

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
218	15786308	Millar	730	Spain	Female	33	9	0.0	2	0	0	176576.62	0
403	15781589	Carpenter	751	Spain	Male	52	8	0.0	2	0	1	179291.85	0
1493	15744517	Esposito	735	Spain	Male	50	9	0.0	1	0	0	166677.35	1
1552	15749177	Maslow	730	Spain	Female	52	7	0.0	2	0	1	122398.84	0
1782	15771636	Marshall	793	Spain	Female	36	0	0.0	1	0	0	148993.47	0
1897	15604588	Li Fonti	850	Spain	Female	38	3	0.0	2	0	1	179360.76	0
1991	15775803	Cawker	841	Spain	Male	41	1	0.0	2	0	1	193093.77	0
2196	15735246	Norman	798	Spain	Female	58	9	0.0	2	0	0	119071.56	1
2388	15595588	Chukwunonso	773	Spain	Female	39	4	0.0	2	0	1	182081.45	0
2630	15711789	Davey	768	Spain	Female	42	3	0.0	1	0	0	161242.99	1
2657	15713267	Zimmer	779	Spain	Female	34	5	0.0	2	0	1	111676.63	0
2672	15611105	Castella	799	Spain	Male	35	7	0.0	2	0	1	140780.80	0
4082	15762821	Udinese	721	Spain	Male	33	5	0.0	2	0	1	117626.90	0
4106	15701392	Lucciano	815	Spain	Male	28	6	0.0	2	0	1	185547.71	0
4701	15773709	Hung	838	Spain	Male	35	0	0.0	2	0	1	197305.91	0
4779	15582246	Rowe	737	Spain	Female	45	2	0.0	2	0	1	177695.67	0
4907	15571244	Tung	809	Spain	Female	33	3	0.0	2	0	1	141426.78	0
5015	15773731	John	758	Spain	Female	35	5	0.0	2	0	0	100365.51	0
5041	15749727	Chukwufumnanya	829	Spain	Male	50	7	0.0	2	0	1	178458.86	0
5128	15644796	Dyer	821	Spain	Female	38	8	0.0	2	0	1	126241.40	1
5754	15608328	Sutherland	760	Spain	Female	41	6	0.0	2	0	0	101491.23	0
6020	15697045	Pisani	726	Spain	Female	35	9	0.0	2	0	1	100556.98	0
6419	15801924	Browne	754	Spain	Female	27	8	0.0	2	0	0	121821.16	0
6673	15660403	Fleming	827	Spain	Female	35	0	0.0	2	0	1	184514.01	0
7055	15682860	Lo	769	Spain	Male	38	6	0.0	2	0	0	104393.78	0
7524	15733602	Rubin	814	Spain	Female	72	2	0.0	2	0	1	130853.03	0
7740	15689952	Zuyeva	724	Spain	Male	41	5	0.0	1	0	1	115753.94	0
8374	15785167	Padovano	795	Spain	Male	29	4	0.0	2	0	0	155711.64	0
8605	15646942	Meng	786	Spain	Female	39	7	0.0	2	0	0	100929.59	0
8707	15717770	Marcelo	850	Spain	Female	55	7	0.0	1	0	0	171762.87	1
8859	15668009	Hendley	747	Spain	Male	37	1	0.0	2	0	1	180551.76	0
9126	15604138	Iheanacho	749	Spain	Male	34	2	0.0	1	0	0	174189.04	1
9204	15774401	Chambers	773	Spain	Male	51	4	0.0	2	0	0	123587.83	1
9706	15572374	Hopetoun	733	Spain	Male	36	1	0.0	2	0	1	108377.82	0

# Jawaban Kelompok 1
turnover[(turnover['Surname'].str.lower().apply(lambda x:x[0]).isin(['a', 'i', 'u', 'e', 'o'])) \
& (turnover['CreditScore'] < turnover['CreditScore'].mean()) \
& (turnover['Balance'] > turnover['Balance'].quantile(0.75)) \
& (turnover['Exited'] == 1)].sort_values(by=['Age'], ascending=False)

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
400	15646372	Outhwaite	616	France	Female	66	1	135842.41	1	1	0	183840.51	1
1390	15684196	Aitken	627	France	Female	55	2	159441.27	1	1	0	100686.11	1
7809	15649033	Echezonachukwu	603	Germany	Female	55	7	127723.25	2	1	0	139469.11	1
1632	15685372	Azubuike	350	Spain	Male	54	1	152677.48	1	1	1	191973.49	1
1952	15589793	Onwuamaeze	604	France	Male	53	8	144453.75	1	1	0	190998.96	1
1963	15692416	Aikenhead	358	Spain	Female	52	8	143542.36	3	1	0	141959.11	1
6602	15655213	Udinese	591	Germany	Female	51	8	132508.30	1	1	1	161304.68	1
857	15693864	Iheanacho	567	Germany	Female	49	5	134956.02	1	1	0	93953.84	1
1021	15654673	Onyinyechukwuka	625	France	Male	49	6	173434.90	1	1	0	165580.93	1
868	15756804	O'Loghlen	636	France	Female	48	1	170833.46	1	1	0	110510.28	1
3616	15639357	Allan	415	France	Male	46	9	134950.19	3	0	0	178587.36	1
4625	15710543	Okwuoma	629	France	Male	46	1	130666.20	1	1	1	161125.67	1
4672	15808674	Ejikemeifeuwa	616	Germany	Female	45	6	128352.59	3	1	1	144000.59	1
3	15619304	Onio	502	France	Female	42	8	159660.80	3	1	0	113931.57	1
8505	15743245	Agafonova	624	France	Male	42	3	145155.37	1	1	0	72169.95	1
1750	15703820	Endrizzi	552	France	Male	42	9	133701.07	2	1	0	101069.71	1
2382	15774151	Iadanza	614	Spain	Female	41	7	179915.85	1	0	0	14666.35	1
2478	15760294	Endrizzi	512	France	Female	41	8	145150.28	1	1	0	64869.32	1
9637	15613048	Anderson	648	Germany	Female	40	5	139973.65	1	1	1	667.66	1
48	15771573	Okagbue	637	Germany	Female	39	9	137843.80	1	1	1	117622.80	1
1043	15593969	Abramovich	630	Spain	Female	39	7	135483.17	1	1	0	140881.20	1
8831	15810444	Aksenov	562	Germany	Female	39	6	130565.02	1	1	0	9854.72	1
6440	15583371	Artemiev	632	Spain	Male	37	1	138207.08	1	1	0	60778.11	1
3400	15633352	Okwukwe	628	France	Female	31	6	175443.75	1	1	0	113167.17	1
1451	15676242	Artemova	632	Spain	Male	31	3	136556.44	1	1	0	82152.83	1
2580	15597896	Ozoemena	365	Germany	Male	30	0	127760.07	1	1	0	81537.85	1
5904	15677317	Ankudinova	570	France	Female	29	4	153040.03	1	1	1	131363.57	1

turnover[(turnover['CreditScore'] > turnover['CreditScore'].mean()) & (turnover['Balance'] < turnover['Balance'].mean())]

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
4	15701354	Boni	699	France	Female	39	1	0.00	2	0	0	93826.63	0
7	15592531	Bartlett	822	France	Male	50	7	0.00	2	1	1	10062.80	0
20	15568982	Hao	726	France	Female	24	6	0.00	2	1	1	54724.03	0
21	15577657	McDonald	732	France	Male	41	8	0.00	2	1	1	170886.17	0
24	15725737	Mosman	669	France	Male	46	3	0.00	2	0	1	8487.75	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...
9993	15657105	Chukwualuka	726	Spain	Male	36	2	0.00	1	1	0	195192.40	0
9995	15719294	Wood	800	France	Female	29	2	0.00	2	0	0	167773.55	0
9996	15606229	Obijiaku	771	France	Male	39	5	0.00	2	1	0	96270.64	0
9998	15584532	Liu	709	France	Female	36	7	0.00	1	0	1	42085.58	1
9999	15682355	Sabbatini	772	Germany	Male	42	3	75075.31	2	1	0	92888.52	1

2052 rows × 13 columns

%%time
# code here
turnover[((turnover['Geography'] == 'Germany') | (turnover['Geography'] == 'Spain')) & (turnover['Gender'] == 'Female')]

CPU times: total: 0 ns
Wall time: 2.99 ms

	CustomerId	Surname	CreditScore	Geography	Gender	Age	Tenure	Balance	NumOfProducts	HasCrCard	IsActiveMember	EstimatedSalary	Exited
RowNumber
2	15647311	Hill	608	Spain	Female	41	1	83807.86	1	0	1	112542.58	0
5	15737888	Mitchell	850	Spain	Female	43	2	125510.82	1	1	1	79084.10	0
8	15656148	Obinna	376	Germany	Female	29	4	115046.74	4	1	0	119346.88	1
15	15600882	Scott	635	Spain	Female	35	7	0.00	2	1	1	65951.65	0
18	15788218	Henderson	549	Spain	Female	24	9	0.00	2	1	1	14406.41	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...
9951	15638494	Salinas	625	Germany	Female	39	10	129845.26	1	1	1	96444.88	0
9961	15681026	Lucciano	795	Germany	Female	33	9	104552.72	1	1	1	120853.83	1
9966	15690164	Shao	627	Germany	Female	33	4	83199.05	1	0	0	159334.93	0
9969	15733491	McGregor	512	Germany	Female	40	8	153537.57	2	0	0	23101.13	0
9983	15768163	Griffin	655	Germany	Female	46	7	137145.12	1	1	0	115146.40	1

2282 rows × 13 columns