Pada suatu data .csv, terdapat kolom 'PartaiPolitik' dan kolom 'Label' yang…
- User
Pada suatu data .csv, terdapat kolom 'Partai_Politik' dan kolom 'Label' yang bersebelahan. Pada kolom 'Label' terdapat nilai 'Positif', 'Negatif', dan 'Netral'. Di kolom 'Partai_Politik', isinya adalah nama-nama partai politik, misalnya 'PDIP', 'PKS'. Nah, untuk setiap kata yang ada di kolom 'Partai_Politik' (unique), hitung per nama partai politik jumlah label di kolom 'Label' yang dalam satu row nilainya adalah 'Positif', juga nilai 'Negatif', juga nilai 'Netral'. Buat kode untuk menyelesaikan permasalahan tersebut! Awal kode adalah ini:
Membaca file csv
data = pd.read_csv("databeritaFIX_labeled.csv", delimiter=';', encoding="utf-8")
Contoh hasil yang diharapkan: PDIP: Positif sejumlah 500, Negatif sejumlah 500, Netral sejumlah 500 PKS: Positif sejumlah 400, Negatif sejumlah 200, Netral sejumlah 300 dan seterusnya.
- Assistant
Untuk menyelesaikan permasalahan ini, Anda perlu mengelompokkan data berdasarkan 'Partai_Politik' dan menghitung jumlah label 'Positif', 'Negatif', dan 'Netral' untuk setiap partai politik. Berikut adalah kode lengkap untuk melakukan ini:
import pandas as pd # Membaca file csv data = pd.read_csv("databeritaFIX_labeled.csv", delimiter=';', encoding="utf-8") # Mengelompokkan data berdasarkan 'Partai_Politik' dan 'Label' grouped_data = data.groupby(['Partai_Politik', 'Label']).size().reset_index(name='Jumlah') # Menyusun ulang data dengan kolom 'Partai_Politik' sebagai indeks dan 'Label' sebagai kolom pivot_data = grouped_data.pivot_table(index='Partai_Politik', columns='Label', values='Jumlah', fill_value=0) # Menampilkan hasil perhitungan for index, row in pivot_data.iterrows(): print(f'{index}: Positif sejumlah {row["Positif"]}, Negatif sejumlah {row["Negatif"]}, Netral sejumlah {row["Netral"]}')Kode di atas akan menghasilkan output seperti ini:
PDIP: Positif sejumlah 500, Negatif sejumlah 500, Netral sejumlah 500 PKS: Positif sejumlah 400, Negatif sejumlah 200, Netral sejumlah 300 dan seterusnya.Jangan lupa untuk mengganti nama file "databeritaFIX_labeled.csv" dengan nama file csv Anda yang sesuai.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.