penjelasan parameter inplace=True untuk pemula

Penjelasan parameter inplace=True di Pandas Untuk Pemula

Posted by

Mungkin banyak pemula yang menemukan potongan kode yang menggunakan parameter inplace=True ketika browsing kode program.

Sering kali bagi para pemula saat menghadapi kesulitan sewaktu ngoding, copy-paste kode yang didapatkan dari internet adalah hal yang lumrah dan dilakukan semua orang. Namun terkadang kita hanya copy-paste saja tanpa memahami kodenya, yang penting program sudah jalan, sudah selesai.

Namun apakah Anda sudah mengerti maksud penggunaannya parameter inplace=True?

Jika belum, disini saya mencoba menjelaskan penggunaan parameter inplace, dimana nilai yang diharapkan adalah antara True atau False.

Parameter inplace

Pada dasarnya, parameter inplace mempengaruhi dataframe yang sedang Anda kerjakan. Apakah Anda ingin menimpanya dengan hasil modifikasi ataukah menyimpan hasil modifikasi di variabel lain tanpa menimpa dataframe aslinya? Semuanya tergantung pada pilihan Anda.

Disini saya akan coba melakukan percobaan kecil untuk melihat pengaruh penggunaan parameter inplace. Sebelumnya saya akan membuat contoh dataframe terlebih dahulu yang akan digunakan untuk observasi ini kemudian melakukan rename nama kolom tertentu.

Baca juga: Menjadikan Kolom Sebagai Indeks pada Dataframe Pandas

Membuat dataframe dan rename nama kolom tertentu

Saya akan membuat dataframe df yang berisi dua kolom yaitu ‘Product’ dan ‘Terjual’, dimana ‘Product’ adalah nama produknya sedangkan ‘Terjual’ adalah jumlah item yang sudah terjual.

import pandas as pd

data = {'Product': ['Product_1', 'Product_2', 'Product_3', 'Product_4', 'Product_5', 'Product_6', 'Product_7', 'Product_8', 'Product_9', 'Product_10'],
        'Terjual': [81, 27, 122, 10, 34, 89, 66, 9, 130, 59]}

df = pd.DataFrame(data)
df

Output:

Lalu mari kita rename nama kolom ‘Product’ menjadi ‘Nama Produk’. Kita dapat mengganti nama kolom dengan method rename().

df.rename(columns={'Product': 'Nama Produk'})

Sampai disini terlihat tidak ada masalah bukan?! Kolom ‘Product’ pada dataframe df sudah berubah menjadi ‘Nama Produk’.

Namun, bagaimana jika kita print lagi dataframe df?

Saat kita menampilkan lagi dataframe df setelah proses rename di atas, maka dataframe akan kembali seperti sebelumnya saat belum di-rename.

Mengapa itu bisa terjadi?

Ketika kita memodifikasi dataframe, entah itu melakukan rename, sorting, drop missing values, drop duplicate atau apapun itu, jika kita tidak menyimpannya pada variabel maka perubahannya tidak terjadi pada dataframe tersebut.

Solusinya, Anda dapat menggunakan parameter inplace=True agar hasil modifikasi dataframe tersebut langsung tersimpan kembali ke variabel dataframe yang sama.

Baca juga: 5 Cara Menambahkan Header Pada Dataframe Pandas

Mengaplikasikan parameter inplace=True

Nah, sekarang mari kita aplikasikan parameter inplace=True untuk proses rename seperti di atas.

df.rename(columns={'Product': 'Nama Produk'}, inplace=True)

Setelah itu, coba kita print lagi dataframe df.

Dapat kita lihat perbedaannya, bagaimana parameter inplace mempengaruhi dataframe.

Lalu bagaimana jika parameter inplace di-set False?

Jika kita memberikan nilai inplace=False hasilnya akan seperti percobaan pertama yang tanpa mengaplikasikan inplace karena secara default nilai inplace adalah False. Oleh karena itu, tanpa parameter inplace atau dengan parameter inplace=False hasilnya akan sama, yakni hasil modifikasi tidak akan tersimpan pada variabel dataframe yang sedang dikerjakan.

Semoga bermanfaat!

Jika Anda yang sedang belajar data science atau mengolah data dengan bahasa pemrograman Python namun masih suka bingung menulis kode Python-nya, kami telah menyusun Paket E-modul Data Science dengan Python yang didesain khusus untuk pemula dengan penjelasan bahasa Indonesia yang lengkap untuk setiap blok kode-nya. Dapatkan sekarang juga dengan klik di sini!