Pandas plot: Visualisasi Cepat dari DataFrame

Pandas plot bikin grafik langsung dari DataFrame lewat method df.plot.

Nggak perlu setup matplotlib panjang. Satu baris, chart langsung jadi. Cocok buat ngecek pola data sebelum analisis serius.

Aku bakal tunjukin cara bikin line, bar, dan histogram, plus tips biar grafiknya kebaca. Semua pakai contoh data penjualan toko yang gampang kamu ikuti.

Apa itu pandas plot?

Pandas plot adalah method bawaan DataFrame yang bikin grafik langsung dari data. Kamu panggil df.plot(), pandas gambar chart-nya. Method ini jalan di atas matplotlib, jadi hasilnya masih bisa kamu poles lebih lanjut.

Kekuatannya di kecepatan. Buat lihat tren penjualan atau sebaran nilai, kamu nggak perlu nulis 10 baris kode matplotlib. Cukup satu baris.

Tapi perlu satu syarat. Matplotlib harus terinstall, karena pandas plot pakai itu di belakang layar.

Gimana cara bikin line chart dengan pandas plot?

Line chart default-nya pandas plot. Cukup panggil df.plot() tanpa parameter apa-apa, dan kamu dapat grafik garis.

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("penjualan_bulanan.csv", index_col="bulan")
df.plot()
plt.show()

Kolom index jadi sumbu x, tiap kolom lain jadi garis sendiri. Ini pas buat data waktu seperti penjualan per bulan.

Kalau kamu jalanin di script biasa, jangan lupa plt.show() di akhir. Di Jupyter Notebook, grafik muncul otomatis tanpa itu.

Buat baca file datanya, aku bahas di cara baca file CSV di Python.

Cara ganti jenis chart pakai parameter kind

Ganti jenis grafik lewat parameter kind. Ini bikin satu method bisa hasilin banyak tipe chart.

# Bar chart
df.plot(kind="bar")

# Histogram
df["total"].plot(kind="hist", bins=20)

# Scatter plot
df.plot(kind="scatter", x="harga", y="jumlah")

plt.show()

Ada juga cara singkat pakai method langsung seperti df.plot.bar() atau df.plot.hist(). Hasilnya sama, tinggal pilih yang kamu nyaman bacanya.

Jenis chart	Parameter kind	Cocok buat
Garis	line	Tren dari waktu ke waktu
Batang	bar	Banding antar kategori
Histogram	hist	Sebaran satu variabel
Sebaran	scatter	Hubungan dua variabel

Cara bikin banyak chart sekaligus

Kalau kamu mau banding beberapa kolom, pakai subplots=True biar tiap kolom dapat grafik sendiri.

df.plot(subplots=True, layout=(2, 2), figsize=(10, 6))
plt.show()

Parameter layout ngatur susunan grid, misalnya (2, 2) buat empat grafik dalam dua baris. Parameter figsize ngatur ukuran biar nggak sempit.

Cara ini hemat waktu waktu kamu mau lihat beberapa metrik bareng, tanpa nulis kode berulang buat tiap grafik.

Contoh kasus: cek pola penjualan toko_berkah

Aku pernah ngulik data penjualan toko_berkah selama 12 bulan buat cari pola musiman. Ketimbang bikin pivot dan chart manual di Excel, aku pakai df.plot.

bulanan = df.groupby("bulan")["total"].sum()
bulanan.plot(kind="bar")
plt.show()

Dalam 5 detik, grafiknya nunjukin lonjakan jelas di bulan Ramadan. Penjualan bulan itu 2,3 kali lipat rata-rata bulan biasa.

Pola ini nggak kelihatan waktu datanya masih berupa tabel angka. Begitu digambar, langsung jelas. Itu kekuatan visualisasi cepat.

Buat agregasi seperti groupby di contoh ini, aku bahas di pandas groupby ala pivot.

Kesalahan umum saat pakai pandas plot

Kesalahan pertama, lupa plt.show() di script biasa. Grafik udah dibuat tapi nggak nongol karena belum dipanggil buat ditampilin. Di Jupyter ini nggak masalah, di script Python biasa wajib.

Kesalahan kedua, maksa pandas plot buat grafik final presentasi. Buat itu, matplotlib atau seaborn lebih pas. Pandas plot itu buat eksplorasi cepat, bukan hasil akhir yang detail.

Kesalahan ketiga, plot DataFrame yang belum diagregasi. Kalau kamu plot ribuan baris mentah, grafiknya penuh dan nggak kebaca. Agregasi dulu pakai groupby atau value_counts, baru digambar.

Penutup

Pandas plot bikin chart langsung dari DataFrame lewat df.plot, dengan parameter kind buat ganti jenis grafik. Ini cara paling cepat lihat pola data sebelum analisis serius.

Pakai buat eksplorasi awal, bukan grafik final. Kalau udah ketemu pola menarik, poles pakai matplotlib atau seaborn.

Buat referensi lengkap parameter, cek dokumentasi resmi pandas plot. Konsep dasar DataFrame juga penting kamu kuasai biar makin lancar. Mau latihan olah data Python dari nol? Coba latihan di NgulikData, gratis buat pemula.