NumPy: Fungsi Agregasi (sum, mean, std) untuk Analis Data

Fungsi agregasi NumPy meringkas banyak angka jadi satu nilai. np.sum buat total, np.mean buat rata-rata, dan np.std buat ukur seberapa jauh angka nyebar dari rata-ratanya.

Ini yang kamu pakai tiap mau tau ringkasan dari ratusan angka tanpa ngitung satu-satu.

Aku bahas tiga fungsi inti plus min dan max, cara pakai axis buat data tabel, dan jebakan yang sering bikin hasil salah. Contohnya pakai angka penjualan toko biar gampang kebayang.

Apa itu fungsi agregasi di NumPy?

Fungsi agregasi adalah fungsi yang ngambil banyak angka dari sebuah array lalu ngembaliin satu nilai ringkasan. Contohnya total, rata-rata, nilai terkecil, dan simpangan baku. NumPy jalanin ini di level C, jadi jauh lebih ngebut dari loop Python biasa.

Kalau kamu baru mulai, dasar array-nya ada di tutorial NumPy array. Semua fungsi di sini butuh array dulu sebagai bahan.

import numpy as np

penjualan = np.array([120, 95, 210, 180, 150])

penjualan.sum()    # 755
penjualan.mean()   # 151.0
penjualan.std()    # 40.32...
penjualan.min()    # 95
penjualan.max()    # 210

Kamu bisa panggil dua cara: penjualan.sum() atau np.sum(penjualan). Dua-duanya hasilnya sama, tinggal pilih yang enak dibaca.

Gimana cara pakai np.sum dan np.mean?

np.sum ngejumlah semua elemen, np.mean ngebagi total sama jumlah elemen. Buat array 1 dimensi kamu tinggal panggil tanpa argumen tambahan. Hasilnya satu angka yang langsung bisa kamu pakai buat laporan atau perbandingan.

harga = np.array([25000, 30000, 15000, 40000])

total = np.sum(harga)     # 110000
rata = np.mean(harga)     # 27500.0
print(f"Total: {total}, rata-rata: {rata}")

Buat median, pakai np.median. Median lebih tahan sama angka ekstrem, jadi berguna kalau ada satu transaksi gede yang narik rata-rata.

Apa fungsi np.std dan np.var?

np.std ngukur simpangan baku, yaitu rata-rata jarak tiap angka dari nilai tengahnya. Makin besar std, makin nyebar datanya. np.var ngasih varians, yang cuma std dikuadratkan. Dua-duanya bantu kamu lihat seberapa stabil sebuah deret angka.

stabil = np.array([100, 102, 98, 101, 99])
liar = np.array([20, 180, 60, 200, 40])

stabil.std()   # 1.41  angka rapat
liar.std()     # 72.6  angka nyebar jauh

Dua array itu rata-ratanya mirip, tapi std-nya beda jauh. Ini yang bikin std penting: rata-rata doang bisa nyembunyiin fakta bahwa datanya naik turun liar.

Catatan kecil. NumPy default pakai simpangan baku populasi. Kalau data kamu cuma sampel, tambahin ddof=1 biar rumusnya benar secara statistik.

Gimana cara agregasi per baris atau per kolom pakai axis?

Argumen axis nentuin arah hitungan di array 2 dimensi. axis=0 ngitung turun antar baris, jadi hasilnya per kolom. axis=1 ngitung ke samping antar kolom, jadi hasilnya per baris. Tanpa axis, NumPy ngeratain semua angka jadi satu nilai.

data = np.array([
    [120, 95, 210],   # cabang A
    [150, 130, 170],  # cabang B
    [ 80, 110, 90],   # cabang C
])

data.sum()          # 1155  total semua
data.sum(axis=0)    # [350 335 470]  total per kolom
data.sum(axis=1)    # [425 450 280]  total per baris
data.mean(axis=1)   # [141.67 150. 93.33]  rata per cabang

Patokan gampangku: axis yang kamu sebut itu axis yang bakal hilang. Sebut axis=0, dimensi baris lenyap, sisanya kolom.

Contoh kasus: ringkas penjualan toko_berkah

Toko_berkah punya 3 cabang dan nyatet penjualan harian selama 5 hari, dalam juta rupiah. Aku simpan di array 2 dimensi, baris buat cabang, kolom buat hari.

penjualan = np.array([
    [12, 9, 21, 18, 15],   # cabang Depok
    [15, 13, 17, 20, 22],  # cabang Bekasi
    [ 8, 11, 9, 14, 7],    # cabang Bogor
])

print(penjualan.sum(axis=1))   # [75 87 49] total per cabang
print(penjualan.mean(axis=0))  # rata per hari
print(penjualan.std(axis=1))   # sebaran per cabang

Hasilnya kebuka jelas. Bekasi paling gede dengan total 87 juta dalam 5 hari, Bogor paling kecil di 49 juta. Selisihnya 38 juta, hampir dua kali lipat Bogor cuma dari beda cabang.

Yang lebih menarik ada di std. Bogor std-nya paling kecil, artinya penjualannya stabil tapi konsisten rendah. Bekasi naik terus tiap hari. Dari sini aku bisa saranin toko fokus benahi Bogor dulu, bukan sekadar lihat siapa yang totalnya paling besar.

Kalau angka penjualan asli kamu ada di file, cara narik ke Python bisa lewat pandas, dan konsep grup datanya mirip pandas groupby.

Kesalahan umum waktu agregasi NumPy

• Lupa axis di data 2 dimensi. Kamu maunya total per cabang, tapi tanpa axis NumPy ngejumlah semua jadi satu angka. Selalu pikirin arah dulu.
• Ketuker axis 0 dan 1. Ini bikin total per hari nyamar jadi total per cabang. Cek di data kecil sebelum jalanin ke data besar.
• Std sampel vs populasi. Default NumPy pakai populasi. Buat data sampel, pakai ddof=1 biar nggak salah kesimpulan.
• NaN ngerusak hasil. Kalau ada satu nilai kosong, sum dan mean ikut jadi NaN. Pakai np.nansum atau np.nanmean buat abaikan yang kosong.

FAQ

Apa beda np.sum dan sum bawaan Python?

sum bawaan Python jalan pakai loop dan lambat buat data besar. np.sum dioptimasi di level C, jadi bisa puluhan kali lebih cepat buat array ribuan angka. np.sum juga ngerti argumen axis, jadi bisa ngejumlah per baris atau per kolom di data 2 dimensi. Buat kerjaan analis, selalu pakai np.sum di array NumPy.

Gimana cara abaikan nilai kosong saat agregasi?

Pakai versi nan dari fungsinya. np.nansum, np.nanmean, dan np.nanstd bakal ngelewatin nilai NaN dan ngitung sisanya. Ini penting soalnya satu NaN aja bisa bikin hasil np.mean biasa jadi NaN semua. Cek dulu ada berapa kosong pakai np.isnan sebelum mutusin cara nanganinnya.

Kenapa np.std hasilnya beda sama Excel?

Karena default rumusnya beda. NumPy pakai simpangan baku populasi (ddof=0), sementara STDEV di Excel pakai versi sampel. Biar sama kayak STDEV Excel, panggil np.std dengan ddof=1. Kalau maunya kayak STDEVP Excel, biarin default. Beda ini kecil di data besar tapi kelihatan di data sedikit.

Bisa agregasi cuma sebagian array?

Bisa, tinggal slicing dulu baru agregasi. Misalnya data[:, 0].mean() ngitung rata-rata kolom pertama aja. Kamu juga bisa gabung sama boolean masking buat ngitung cuma angka yang lolos kondisi tertentu. Ini pola yang sering kepakai buat ngitung rata-rata penjualan di atas ambang tertentu.

Lanjut praktek

Tiga hal yang perlu nempel: np.sum dan np.mean buat ringkasan cepat, np.std buat lihat sebaran, dan axis buat ngatur arah hitungan di data tabel.

Habis paham agregasi, langkah berikutnya biasanya ngatur ulang bentuk array biar pas buat hitungan. Lanjut ke cara pakai reshape. Kalau mau ngerti peran skill ini di kerjaan, cek glossary Data Analyst dan definisi NumPy di glossary.

Detail parameter tiap fungsi ada di dokumentasi statistik NumPy. Mau latihan olah data angka dari nol? Cek materi di Ngulik Data biar kamu langsung ngulik dataset sendiri.