Pertanyaan Interview Python untuk Data Analyst

Pertanyaan interview Python untuk data analyst biasanya muter di empat area: struktur data dasar, list comprehension, manipulasi data pakai pandas, dan cara handle data kotor. Pewawancara jarang minta hafal sintaks. Yang dicek: cara kamu mikir dan nulis kode yang bersih.

Dari riset ngulikdata di 40 lowongan data analyst, 31 di antaranya minta Python atau tes koding sebagai syarat. Jadi ini bagian yang perlu kamu latih serius.

Di bawah ini aku kumpulin pertanyaan yang paling sering muncul, dikelompokin per topik, lengkap sama contoh kode dan cara jawab yang jelas.

Kenapa Python ditanya di interview data analyst?

Karena Python jadi alat utama buat ngolah data yang gak muat atau ribet dikerjain di spreadsheet. Pewawancara mau tau kamu bisa baca file, bersihin data, dan bikin ringkasan tanpa nunggu orang lain. Fokusnya bukan trik rumit, tapi kode harian yang rapi dan bener.

Kabar baiknya, kamu gak perlu jadi software engineer. Kamu perlu kuasai struktur data dasar, pandas, dan cara nangani data berantakan.

Pertanyaan Python dasar

Ini pemanasan buat ngecek fondasi. Jawab pendek dan sertai contoh kalau bisa.

1. Apa beda list, tuple, dan dictionary?

List itu kumpulan terurut yang bisa diubah. Tuple mirip list tapi gak bisa diubah setelah dibuat. Dictionary nyimpen pasangan kunci dan nilai buat pencarian cepat. Sertai kapan pakai: tuple buat data yang gak boleh berubah kayak koordinat, dictionary buat lookup kayak kode kota ke nama kota.

angka = [1, 2, 3]          # list, bisa diubah
titik = (10, 20)          # tuple, tetap
kota  = {'JKT': 'Jakarta'} # dictionary, kunci ke nilai

2. Apa itu list comprehension?

Cara ringkas bikin list baru dari list lama dalam satu baris. Lebih pendek dan sering lebih cepat dari loop biasa. Tunjukin contoh, karena pewawancara suka minta kamu nulis satu di tempat.

angka = [1, 2, 3, 4, 5]
genap = [x for x in angka if x % 2 == 0]
print(genap)  # [2, 4]

3. Apa beda == dan is di Python?

Operator == ngecek apakah dua nilai sama. Operator is ngecek apakah dua variabel nunjuk ke objek yang persis sama di memori. Buat bandingin isi, pakai ==. Kesalahan umum: pakai is buat bandingin angka atau string, yang kadang jalan tapi gak bisa diandalin.

Pertanyaan pandas dan numpy

4. Gimana cara baca file CSV di pandas?

Pakai pd.read_csv dengan nama file. Sebut argumen yang sering kepakai, kayak sep buat pemisah dan parse_dates buat kolom tanggal. Pewawancara sering lanjut nanya cara handle file yang pemisahnya titik koma atau ada baris header ganda.

import pandas as pd
df = pd.read_csv('transaksi.csv', parse_dates=['tanggal'])
print(df.head())

5. Apa beda loc dan iloc?

loc milih data pakai label baris dan nama kolom. iloc milih pakai posisi angka. Contoh: df.loc[0, 'nama'] ambil kolom nama di baris berlabel 0, sedangkan df.iloc[0, 1] ambil baris pertama kolom kedua. Salah pilih di antara keduanya sumber bug yang sering. Detailnya ada di pandas loc vs iloc.

6. Gimana cara agregasi data per grup di pandas?

Pakai groupby lalu fungsi agregasi kayak sum atau mean. Ini setara GROUP BY di SQL. Tunjukin contoh, karena ini salah satu operasi paling sering di kerjaan analis.

total = df.groupby('kota')['total'].sum()
print(total)

Buat pendalaman, cek pandas groupby. Buat operasi array angka, dasar NumPy array juga sering ditanya.

Pertanyaan handle data kotor

7. Gimana cara handle missing value di pandas?

Pertama cek jumlahnya pakai df.isnull().sum(). Setelah tau, pilih: hapus baris pakai dropna kalau sedikit, atau isi pakai fillna dengan median atau modus. Jawaban bagus selalu nyebut trade-off, bukan cuma satu jurus. Hapus data bisa ngurangin sampel, isi nilai bisa nyamarin pola.

df['umur'] = df['umur'].fillna(df['umur'].median())

8. Gimana cara hapus baris duplikat?

Pakai df.drop_duplicates(). Kamu bisa tentuin kolom mana yang jadi penentu duplikat pakai argumen subset, dan mana yang disimpan pakai keep. Sebut pentingnya cek dulu kenapa ada duplikat sebelum langsung hapus, karena kadang itu tanda masalah di sumber data.

9. Gimana cara ubah tipe data kolom?

Pakai astype buat konversi, misalnya df['harga'].astype(int). Buat kolom tanggal, pakai pd.to_datetime biar bisa dihitung selisih hari. Kesalahan umum: coba ubah kolom yang masih ada teks jadi angka tanpa bersihin dulu, yang bikin error.

Kesalahan umum saat jawab pertanyaan Python

Kesalahan pertama: cuma jelasin teori tanpa nulis kode. Buat pertanyaan Python, pewawancara hampir selalu mau lihat kamu ngetik. Latih nulis contoh singkat sambil ngomong.

Kesalahan kedua: pakai loop buat semua hal. Buat operasi data, tunjukin kamu tau cara vektor atau pandas yang lebih ringkas. Ini sinyal kamu paham cara kerja yang efisien.

Kesalahan ketiga: panik waktu lupa sintaks persis. Pewawancara ngerti kamu gak hafal semua. Jelasin logikanya dulu, bilang fungsi apa yang kamu cari, itu sering lebih dihargai dari hafalan mati.

FAQ

Perlu jago Python tingkat programmer buat lolos?

Gak perlu. Kamu perlu kuasai struktur data dasar, list comprehension, pandas, dan cara bersihin data. Pewawancara ngincer kode harian yang rapi, bukan algoritma rumit ala software engineer. Fokusin latihan ke tugas nyata analis, kayak baca file, agregasi, dan handle data kotor.

Topik Python apa yang paling sering keluar?

Yang paling sering: beda list dan dictionary, list comprehension, loc versus iloc, groupby, dan handle missing value. Lima ini muncul di hampir semua tes Python data analyst. Kalau waktu belajarmu mepet, kuasai kelimanya dulu sampai bisa nulis contohnya tanpa mikir lama.

Apakah interview Python selalu ada sesi live coding?

Gak selalu, tapi makin umum. Sebagian pakai tes take home, sebagian minta kamu koding langsung sambil dilihat. Buat sesi live, latih ngomong sambil ngetik biar pewawancara ngerti alur pikirmu. Kode yang jalan tapi tanpa penjelasan sering kalah sama kode yang dijelasin dengan jernih.

Lebih penting pandas atau Python murni?

Buat data analyst, pandas biasanya lebih sering kepakai karena langsung nyentuh data tabel. Tapi kamu tetap butuh Python dasar buat ngerti cara pandas jalan dan nulis logika di luar tabel. Idealnya kuasai dua-duanya, dengan pandas sebagai alat harian dan Python dasar sebagai fondasinya.

Bedanya sama pertanyaan interview statistik apa?

Pertanyaan Python ngecek kemampuan nulis kode buat ngolah data. Pertanyaan statistik ngecek cara mikir soal data dan ketidakpastian. Dua-duanya sering muncul di interview yang sama. Buat sisi statistiknya, cek pertanyaan interview statistik untuk data analyst.

Penutup

Tiga hal yang bikin kamu menonjol di interview Python:

• Sertai contoh kode, jangan cuma teori.
• Tunjukin cara pandas atau vektor, bukan loop buat semua.
• Jelasin logika waktu lupa sintaks, jangan panik.

Mau latihan Python analis data dari nol sampai siap interview? Belajar terstruktur di Ngulik Data, lalu bangun portofolio lewat GitHub untuk data analyst. Buat referensi resmi, cek dokumentasi pandas.