Tugas praktek 5–11, order.csv

Siap data

Semua skrip baca order.csv dari folder sains-data/ lewat Path(__file__).parents[2], sama pola seperti pertemuan 1–2.

from pathlib import Path
import pandas as pd

csv_path = Path(__file__).resolve().parents[2] / "order.csv"
order_df = pd.read_csv(csv_path)

python3 tugas-5.py

Membuat suatu distribusi harga dari pembelian produk di cabang A.

• Dataframe yang akan kita gunakan sama seperti data sebelumnya, yaitu order_df.
• Supaya lebih mudah dipahami, kita akan membuatnya dalam bentuk histogram dari kolom price.

import matplotlib.pyplot as plt

# Membuat plot histogram menggunakan kolom price
order_df[["price"]].hist(figsize=(4, 5), bins=10, xlabelsize=8, ylabelsize=8)
plt.ticklabel_format(style="plain", axis="x")  # 1000000, bukan 1e6
plt.show()  # Untuk menampilkan histogram yang sudah dibuat

python3 tugas-6.py

Menampilkan data persebaran product_weight_gram pada data penjualan cabang A yang kita peroleh dari order.csv.

• Tampilkan standar deviasi dan varians dari kolom product_weight_gram pada dataframe order_df tadi untuk menganalisis lebar persebaran distribusi tersebut.

# Standar variasi kolom product_weight_gram
print(order_df.loc[:, "product_weight_gram"].std())
# Varians kolom product_weight_gram
print(order_df.loc[:, "product_weight_gram"].var())

python3 tugas-7.py

Setelah menentukan standar deviasi & varians pada kolom product_weight_gram, selanjutnya dicoba menentukan batas IQR untuk bisa menentukan outliers bagi kolom product_weight_gram. Manfaatkan dataframe order_df.

• Dilanjutkan dengan menghitung Q1, Q3, dan IQR.

# Hitung quartile 1
Q1 = order_df[["product_weight_gram"]].quantile(0.25)
# Hitung quartile 3
Q3 = order_df[["product_weight_gram"]].quantile(0.75)
# Hitung inter quartile range dan cetak ke console
IQR = Q3 - Q1
print(IQR)

python3 tugas-8.py

Cobalah untuk mengubah kolom freight_value menjadi shipping_cost dalam data frame order_df, dengan menggunakan fungsi rename().

# Ganti nama kolom freight_value menjadi shipping_cost
order_df.rename(columns={"freight_value": "shipping_cost"}, inplace=True)
print(order_df)

python3 tugas-9.py

Setelah memahami penggunaan fungsi groupby(). Carilah rata-rata dari kolom price dengan mengelompokkannya per payment_type dari dataset order_df.

# Hitung rata rata dari price per payment_type
rata_rata = order_df["price"].groupby(order_df["payment_type"]).mean()
print(rata_rata)

python3 tugas-10.py

Cari berapa harga maksimum pembelian customer pada kolom price di dataset order_df.

# Hitung harga maksimum pembelian customer
sort_harga = order_df.sort_values(by="price", ascending=False)
print(sort_harga)

python3 tugas-11.py

Analisis data penjualan dari dataset order.csv dengan detail laporan sebagai berikut. Lakukan dengan cara:

1. Menghitung median price yang dibayar customer dari masing-masing metode pembayaran.
2. Tentukan metode pembayaran yang memiliki basket size (rataan median price) terbesar.
3. Ubah freight_value menjadi shipping_cost dan cari shipping_cost termahal dari data penjualan tersebut menggunakan sort.
4. Untuk product_category_name, berapa rata-rata weight produk tersebut dan standar deviasi mana yang terkecil dari weight tersebut.
5. Buat histogram quantity penjualan dari dataset tersebut untuk melihat persebaran quantity penjualan tersebut dengan bins = 5 dan figsize = (4, 5).

Solusi 1. Median price per metode pembayaran

• Untuk soal pertama, kita membutuhkan kolom payment_type sebagai agregate, lalu hitung median kolom price untuk masing-masing group.
• Kita bisa menerapkan fungsi groupby untuk melakukannya.

# Median price yang dibayar customer dari masing-masing metode pembayaran
median_price = order_df["price"].groupby(order_df["payment_type"]).median()
print(median_price)
print()

Solusi 2. Metode bayar dengan median price terbesar

Dari output median_price tersebut, kita bisa melihat median price untuk masing-masing metode pembayaran. Untuk soal kedua, metode pembayaran yang memiliki basket size (median price) terbesar adalah virtual account, sebesar 2643000.

Solusi 3. Rename shipping_cost dan sort ongkir termahal

Selanjutnya, ganti nama kolom freight_value menjadi shipping_cost, serta cari nilai shipping_cost termahal dengan menggunakan fungsi sort_values().

# Ubah freight_value menjadi shipping_cost dan cari shipping_cost
# termahal dari data penjualan tersebut menggunakan sort
order_df.rename(columns={"freight_value": "shipping_cost"}, inplace=True)
sort_value = order_df.sort_values(by="shipping_cost", ascending=0)
print(sort_value[["seller_id", "shipping_cost"]])
print()

Solusi 4. Mean dan std berat per kategori produk

Untuk product_category_name, berapa rata-rata weight produk tersebut dan standar deviasi mana yang terkecil dari weight tersebut.

# Untuk product_category_name, berapa rata-rata weight produk tersebut
# dan standar deviasi mana yang terkecil dari weight tersebut
mean_value = order_df["product_weight_gram"].groupby(order_df["product_category_name"]).mean()
print(mean_value)
print()
std_value = order_df["product_weight_gram"].groupby(order_df["product_category_name"]).std()
print(std_value)
print()

Solusi 5. Histogram quantity

Buat histogram quantity penjualan dari dataset tersebut untuk melihat persebaran quantity penjualan tersebut dengan bins = 5 dan figsize = (4, 5).

# Buat histogram quantity penjualan dari dataset tersebut untuk melihat persebaran quantity
# penjualan tersebut dengan bins = 5 dan figsize= (4,5)
order_df[["quantity"]].plot.hist(bins=5, figsize=(4, 5))
plt.show()