Pandas resample: Agregasi Time Series

Pandas resample ngelompokkin data time series ke frekuensi waktu tertentu, kayak harian jadi bulanan, lalu ngeagregasi tiap kelompok. Satu method buat ngeringkas data transaksi yang terlalu ramai jadi angka yang kebaca.

Data penjualan harian itu detail, tapi susah dilihat polanya. 365 baris setahun bikin grafik penuh sesak. Yang bos kamu mau biasanya sederhana: total per bulan, atau rata-rata per minggu.

resample ngerjain itu dalam satu baris, asal indeksnya tanggal. Ini pekerjaan yang di SQL butuh GROUP BY dengan fungsi tanggal, di pandas cukup satu method.

Apa itu resample di pandas?

resample adalah method pandas buat ngelompokkin data berdasarkan interval waktu, lalu ngejalanin agregasi kayak sum atau mean di tiap interval. Anggap aja GROUP BY khusus waktu. Bedanya, resample ngerti kalender, jadi dia tau akhir bulan, akhir kuartal, dan minggu tanpa kamu hitung manual.

Syarat wajibnya, DataFrame harus punya indeks datetime. Ini alasan langkah pertama selalu benerin tipe tanggal dulu.

Gimana cara siapkan data buat resample?

resample butuh DatetimeIndex. Kalau tanggal masih kolom teks, ubah dulu pakai pd.to_datetime, lalu jadikan indeks.

import pandas as pd

df['tanggal'] = pd.to_datetime(df['tanggal'])
df = df.set_index('tanggal')

Kalau nggak mau ubah indeks, pakai argumen on buat nunjuk kolom tanggal langsung:

df.resample('ME', on='tanggal')['omzet'].sum()

Kolom yang ditunjuk tetap harus bertipe datetime. Proses ngubah bentuk data kayak gini bagian dari data transformation yang jadi rutinitas harian analis.

Gimana cara resample harian jadi bulanan?

Ini kasus paling umum. Data transaksi harian, mau jadi total per bulan.

omzet_bulanan = df.resample('ME')['omzet'].sum()

Kode 'ME' artinya month-end, tiap kelompok berakhir di hari terakhir bulan. Hasilnya satu baris per bulan dengan total omzetnya.

Aturan frekuensi lain yang sering kepakai:

Kode	Frekuensi
D	Harian
W	Mingguan (default berakhir Minggu)
ME	Akhir bulan
QE	Akhir kuartal
YE	Akhir tahun

Catatan versi: mulai pandas 2.2, kode bulanan berubah dari 'M' jadi 'ME' dan kuartal dari 'Q' jadi 'QE'. Kode lama masih jalan tapi ngasih peringatan. Kalau pakai pandas lama, 'M' masih valid.

Gimana cara agregasi banyak kolom sekaligus?

Kalau mau lebih dari satu ringkasan, pakai agg dengan dictionary. Tiap kolom bisa dapet fungsi berbeda.

ringkasan = df.resample('ME').agg({
    'omzet': 'sum',
    'id_transaksi': 'count',
    'harga_satuan': 'mean'
})
ringkasan.columns = ['total_omzet', 'jml_transaksi', 'rata_harga']

Satu resample, tiga metrik bulanan sekaligus. Ini jauh lebih ringkas daripada nulis tiga resample terpisah.

Gimana cara isi periode yang kosong?

resample ngasih baris buat tiap periode di rentang, termasuk yang nggak ada datanya. Periode kosong itu isinya NaN. Cara ngisinya tergantung makna data.

# Penjualan kosong = nol
omzet_bulanan = df.resample('ME')['omzet'].sum().fillna(0)

# Saldo kosong = sama dengan periode sebelumnya
saldo = df.resample('D')['saldo'].last().ffill()

Salah pilih cara isi bisa bikin angka menyesatkan. Penjualan yang kosong artinya nol. Tapi saldo rekening yang kosong artinya sama dengan hari sebelumnya, bukan nol.

Contoh kasus: pola bulanan Toko Berkah

Toko Berkah, UMKM kelontong di dataset latihan ngulikdata, punya 1.240 transaksi harian selama 6 bulan (Januari sampai Juni 2026). Dilihat harian, datanya naik turun tiap hari dan susah dibaca.

Setelah resample('ME') buat total bulanan, polanya langsung kelihatan. Omzet naik stabil dari Januari (Rp58 juta) sampai puncaknya di April (Rp94 juta), lalu turun di Mei dan Juni. April yang tinggi itu bertepatan dengan Ramadan, dan kenaikannya 62% dibanding rata-rata bulan lain.

Yang lebih menarik muncul dari resample('W') mingguan. Dari 26 minggu, minggu ke-2 tiap bulan konsisten jadi yang terendah, rata-rata 22% di bawah minggu pertama. Ini pola pasca-gajian: belanja rame di awal bulan, sepi di pertengahan. Temuan ini bikin pemilik toko mindahin promo diskon ke minggu kedua, buat ngangkat titik terlemahnya.

Kesalahan umum saat pakai resample

1. Lupa set indeks datetime

Error paling sering: resample dipanggil tapi indeksnya masih angka biasa. Pesannya "Only valid with DatetimeIndex". Solusinya set_index ke kolom tanggal dulu, atau pakai argumen on.

2. Kolom tanggal masih bertipe object

Kalau tanggal belum dikonversi pd.to_datetime, set_index tetap jalan tapi resample gagal. Cek df.index.dtype, harus datetime64, bukan object.

3. Pakai kode frekuensi lama tanpa sadar

Di pandas 2.2 ke atas, 'M' dan 'Q' ngasih peringatan deprecation. Ganti ke 'ME' dan 'QE' biar aman di versi baru.

4. Lupa nangani NaN sebelum lanjut hitung

Periode kosong ngasih NaN. Kalau langsung dipakai buat persentase atau chart tanpa fillna, hasilnya bolong. Tentuin dulu apakah kosong berarti nol atau lanjutan.

Buat daftar lengkap aturan frekuensi, cek dokumentasi resample di pandas.

FAQ

Apa syarat utama sebelum pakai resample di pandas?

DataFrame harus punya indeks bertipe datetime. Kalau tanggal masih jadi kolom biasa, ubah dulu pakai pd.to_datetime, lalu jadikan indeks dengan set_index. Tanpa DatetimeIndex, resample bakal error. Alternatifnya, pakai argumen on='nama_kolom' buat nunjuk kolom tanggal langsung tanpa harus set_index dulu, tapi kolom itu tetap harus bertipe datetime.

Apa beda resample dan groupby di pandas?

groupby ngelompokkin berdasarkan nilai kolom apa pun, sedangkan resample khusus ngelompokkin berdasarkan interval waktu di indeks datetime. resample otomatis ngisi periode yang kosong dengan NaN, jadi minggu tanpa data tetap muncul. groupby biasa nggak ngasih baris buat periode yang nggak ada datanya. Buat data waktu berkala, resample lebih pas.

Apa arti kode M, W, D, dan ME di resample?

Kode itu aturan frekuensi. D harian, W mingguan, ME akhir bulan, QE akhir kuartal, YE akhir tahun, dan H per jam. Mulai pandas 2.2, kode bulanan berubah dari M jadi ME dan kuartal dari Q jadi QE, sedangkan yang lama masih jalan tapi ngasih peringatan. Kamu bisa gabung angka, misalnya 2W buat tiap dua minggu.

Gimana cara agregasi banyak kolom sekaligus dengan resample?

Pakai method agg dengan dictionary. Contohnya df.resample('ME').agg({'omzet': 'sum', 'transaksi': 'count', 'harga': 'mean'}). Tiap kolom bisa dikasih fungsi agregasi berbeda. Ini lebih ringkas daripada resample terpisah tiap kolom. Kamu juga bisa kasih list fungsi ke satu kolom, misalnya 'omzet': ['sum', 'mean'] buat dua hasil sekaligus.

Gimana cara isi periode kosong setelah resample?

Periode tanpa data ngasih NaN setelah resample. Buat total penjualan, ganti jadi nol pakai fillna(0). Buat data yang sifatnya kontinu kayak saldo, isi pakai ffill yang nyalin nilai terakhir ke periode kosong. Pilih cara isi sesuai makna datanya. Penjualan yang kosong artinya nol, tapi saldo yang kosong artinya sama dengan hari sebelumnya.

Penutup

• resample butuh indeks datetime, jadi rapiin tanggal pakai pd.to_datetime dan set_index dulu.
• Kode frekuensi nentuin hasil: D harian, W mingguan, ME bulanan. Pandas 2.2 pakai ME dan QE.
• Periode kosong jadi NaN. Isi pakai fillna(0) buat penjualan, atau ffill buat data kontinu kayak saldo.

Coba sekarang: ambil satu file transaksi harian, ubah tanggalnya jadi indeks, lalu resample('ME') buat lihat total bulanan. Pola musiman yang nggak kelihatan di data harian sering langsung muncul.

Mau bandingin caranya di SQL? Baca moving average SQL buat teknik haluskan tren yang sering dipakai bareng agregasi waktu.