Mengenal Axis dalam Python dan Cara Mengunakannya

Illustrasi bahasa pemrograman (Foto: Pixabay)

ARENA DIGITAL –Dalam bahasa pemrograman Python, penggunaan axis merupakan konsep penting yang seringkali digunakan dalam pemrosesan data menggunakan berbagai pustaka seperti NumPy dan Pandas. Artikel ini akan membahas secara mendalam pengertian dan penerapan dari axis dalam Python.

Apa Itu Axis?

Secara sederhana, axis adalah arah yang digunakan untuk melakukan operasi atau manipulasi pada data. Dalam matriks dua dimensi, seperti yang sering digunakan dalam ilmu data, axis umumnya mengacu pada baris (axis 0) dan kolom (axis 1).

Penggunaan Axis pada NumPy

1. Sum() dengan Axis

Misalnya, kita memiliki array dua dimensi:

import numpy as np

arr = np.array([[1, 2, 3],
                [4, 5, 6]])

sum_axis_0 = np.sum(arr, axis=0)
sum_axis_1 = np.sum(arr, axis=1)

sum_axis_0 akan memberikan hasil penjumlahan kolom, sedangkan sum_axis_1 memberikan hasil penjumlahan baris.

2. Mean() dengan Axis

mean_axis_0 = np.mean(arr, axis=0)
mean_axis_1 = np.mean(arr, axis=1)

Sama seperti sum(), mean() dengan axis 0 akan memberikan rata-rata kolom, dan axis 1 memberikan rata-rata baris.

Penggunaan Axis pada Pandas

1. Sum() dengan Axis

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [4, 5, 6]})

sum_axis_0 = df.sum(axis=0)
sum_axis_1 = df.sum(axis=1)

Pada Pandas, DataFrame memiliki fungsi yang serupa. Sum(axis=0) memberikan hasil penjumlahan kolom, dan sum(axis=1) memberikan hasil penjumlahan baris.

2. Mean() dengan Axis

mean_axis_0 = df.mean(axis=0)
mean_axis_1 = df.mean(axis=1)

Sama seperti NumPy, fungsi mean() pada Pandas bekerja dengan cara yang serupa dengan sum().

Kapan Harus Menggunakan Axis?

Pemahaman kapan harus menggunakan axis sangat penting untuk menghindari kesalahan dalam analisis data. Beberapa aturan umumnya adalah:

  • Axis 0: Digunakan untuk operasi yang melibatkan baris atau menurunkan dimensi.
  • Axis 1: Digunakan untuk operasi yang melibatkan kolom atau menurunkan dimensi.

Misalnya, jika Anda ingin menjumlahkan semua elemen dalam matriks dua dimensi, maka axis tidak perlu didefinisikan, karena defaultnya adalah None atau “flatten”.

Baca Juga >>>  Langkah-langkah dalam Data Analisis: Strategi Memaksimalkan Pencapaian

Axis adalah konsep yang penting dalam manipulasi data di Python, terutama ketika bekerja dengan matriks dua dimensi seperti yang umum digunakan dalam ilmu data. Dengan memahami penggunaan axis pada NumPy dan Pandas, Anda dapat melakukan analisis data dengan lebih efektif dan menghindari kesalahan yang mungkin terjadi. Terus eksplorasi dan praktekkan penggunaan axis untuk meningkatkan kemampuan pemrograman Python Anda dalam ilmu data.