Workshop - Panduan Praktis Data Wrangling with Python

Library mana yang paling umum digunakan untuk data wrangling dalam Python?

• NumPy

• Pandas

• Matplotlib

• Seaborn

Apa tujuan utama dari data wrangling?

• Untuk mengubah data mentah menjadi data yang terstruktur dan siap dianalisis

• Untuk visualisasi data

• Untuk menyimpan data ke dalam basis data

• Untuk menghapus data yang tidak diperlukan

Mengapa Pandas sering digunakan untuk data wrangling dalam Python?

• Karena Pandas memiliki performa yang sangat cepat

• Karena Pandas mudah digunakan dan memiliki banyak fungsi untuk manipulasi data

• Karena Pandas merupakan library standar Python

• Karena Pandas adalah satu-satunya library untuk data wrangling

Dalam konteks data wrangling, apa yang dimaksud dengan "data cleansing"?

• Proses menggabungkan beberapa dataset

• Proses membuat visualisasi data

• Proses memperbaiki atau menghapus data yang tidak akurat atau rusak

• Proses mengekspor data ke format lain

Apa yang dimaksud dengan "missing values" dalam dataset?

• Nilai yang terduplikasi

• Nilai yang tidak ada atau hilang dalam dataset

• Nilai yang terlalu tinggi atau terlalu rendah

• Nilai yang tidak relevan

Beautifulsoup4 adalah library untuk…

• Data manipulation

• Web scraping

• Data modeling

• Data cleansing

Hal yang penting diperhatikan saat melakukan web scraping adalah…

• Laman web dapat diakses oleh script yang kita buat

• Terdapat library beautifulsoup4

• Data yang diambil selalu dalam bentuk tabel

• Data yang tidak diperlukan sudah terhapus

Perintah apa yang digunakan untuk mencari teks dengan karakter ‘?’ di dalam objek BeautifulSoup?

• Memanggil fungsi find dan menambahkan parameter string=’?’

• Memanggil fungsi findall dan menambahkan parameter text=’?’

• Memanggil fungsi find dan menambahkan attrs=’s’

• Memanggil fungsi find_all dan menambahkan parameter attrs={’s’}

Informasi dalam HTML tag yang tidak dapat diakses oleh beautifulsoup adalah...

• name dan string

• name_field dan tag

• name dan contents

• string dan parent

Mengapa penting untuk memeriksa dan membersihkan data sebelum analisis?

• Untuk membuat data lebih besar

• Untuk memastikan bahwa analisis didasarkan pada data yang akurat dan konsisten

• Untuk mengurangi ukuran dataset

• Untuk menghapus data yang tidak diperlukan