Kenapa Python untuk Data
Python menang di data bukan karena bahasanya paling bagus, tapi karena ekosistemnya. Ini penjelasan jujurnya.
Yang akan Anda bisa
- Tahu kenapa Python jadi standar di pekerjaan data
- Tahu bagian Python mana yang tidak perlu dipelajari sekarang
Python bukan bahasa tercepat. Bukan juga yang paling aman, atau paling rapi. Kalau ukurannya murni desain bahasa, ada beberapa yang lebih baik.
Yang membuat Python menang di pekerjaan data adalah sesuatu yang lain: hampir semua orang yang menulis alat untuk data, menulisnya untuk Python. NumPy, pandas, scikit-learn, PyTorch, semuanya ada di satu tempat dan saling mengenal. Sebuah DataFrame bisa langsung masuk ke fit() tanpa konversi. Itu bukan keunggulan teknis — itu keunggulan ekosistem, dan untuk pekerjaan sehari-hari justru itu yang lebih menentukan.
Yang tidak perlu Anda pelajari sekarang#
Ini bagian yang jarang dikatakan orang. Python itu besar, dan sebagian besarnya tidak relevan untuk analisis data. Anda bisa produktif tanpa pernah menyentuh:
| Fitur | Kapan Anda butuh | Sekarang? |
|---|---|---|
| Class dan OOP | Saat menulis library sendiri | Tidak |
| Decorator | Saat memakai framework web | Tidak |
async / await | Saat menangani ribuan koneksi | Tidak |
| Type hint | Saat kode dipakai orang lain | Nanti |
| List, dict, comprehension | Setiap hari | Ya |
| pandas | Setiap hari | Ya |
| Membaca traceback | Setiap hari, seringnya berkali-kali | Ya |
Kurikulum yang memulai dari class Animal: bukan salah — itu benar untuk calon software engineer. Tapi untuk orang yang ingin tahu kenapa penjualan turun bulan lalu, itu enam minggu sebelum menyentuh data pertama.
Tujuan Anda: mencari tahu kenapa penjualan turun bulan lalu. Mana yang aman ditunda dulu?
Satu baris yang menjelaskan semuanya#
import pandas as pd df = pd.read_csv('penjualan.csv')print(df.groupby('kota')['total'].mean().sort_values(ascending=False).head(3))kota
Surabaya 412500.0
Jakarta 388200.0
Bandung 351750.0
Name: total, dtype: float64Empat baris, dan tiga di antaranya adalah satu baris yang membaca file, mengelompokkan, merata-rata, mengurutkan, dan mengambil tiga teratas. Di sebagian besar bahasa lain ini butuh tiga puluh baris. Itu alasannya.
Menurut pelajaran ini, apa alasan utama Python dominan di pekerjaan data?