[Python] groupby, aggregate, pivot_table

 

파이썬에서 데이터프레임을 다루는 함수들 중

groupby, aggregate, pivot_table을 복습하고 예시문제들로 활용법을 연습해보자.

 

Groupby

groupby는 데이터를 그룹화하는 함수이다.

df.groupby('그룹화할 컬럼')

• 옵션
  • axis: 그룹화 적용 축
  • level: 멀티 인덱스가 있을 경우의 레벨 지정
  • dropna: 결측값 계산에서의 제외 여부

df = pd.DataFrame({
    'key': ['A', 'B', 'C', 'A', 'B', 'C'],
    'data1': [0, 1, 2, 3, 4, 5],
    'data2': [4, 4, 6, 0, 6, 1]
})

• key를 기준으로 그룹화하고 그룹화는 평균값으로 계산

df.groupby('key').mean()

 

---

Aggregate

aggregate는 연산을 적용하는 함수이다.

min(), max(), sum(), count() 등의 함수들이 있다.

groupby 함수에서만 적용되는 것은 아니며 groupby 함수와 함께 사용될 경우에는 그룹화한 값에 연산을 적용하는 함수로 쓰인다.

aggregate(['집계함수1', '집계함수2', ... ])

 

• key를 그룹별로 합계와 평균값 계산하기

df.groupby('key').aggregate(['sum', 'mean'])

 

• 여러 컬럼에 다른 계산식 적용하기

aggregate({'컬럼명1' : '집계함수1', '컬럼명2' : '집계함수2' ... })

• data1은 최소값을, data2는 합계로 그룹화하기

df.groupby('key').aggregate({ 'data1' : min, 'data2' : sum })

 

 

---

Groupby 응용

groupby함수를 filter함수와 apply함수 등 여러 함수들과 함께 사용해볼 수 있다.

 

• data2 평균이 2이 넘는 데이터만 출력

df.groupby('key').filter(lambda x: x['data2'].mean() > 3)

• 그룹별 data1과 data2 변수의 최댓값에서 최솟값을 뺀 값 출력

df.groupby('key').apply(lambda x: x.max() - x.min())

## 내가 했던 코드 -> 오류
df.groupby('key').apply((lambda x, y: x - y)(df.max(), df.min())

 

 

 

groupby로 그룹화를 한 후 get_group 함수를 통해 특정 그룹의 값만을 가져올 수 있다.

df.groupby('key').get_group('B')

 

 

---

Pivot_table

pivot_table함수는 함수명 그대로 피벗테이블을 생성하는 함수이다.

df.pivot_table(index="행", columns="열", values="조회값", aggfunc = "적용함수")

• 옵션
  • index: 테이블의 행으로 들어갈 데이터프레임의 열
  • columns: 테이블의 열로 들어갈 데이터프레임의 열
  • values: 피벗테이블에서 각 그룹별 조회할 값의 데이터프레임의 열
  • fill_value: 값이 존재하지 않는 그룹에 채울 값
  • aggfunc: 그룹 별로 값을 조회할 함수

예제

data = {'class' : [1, 2, 2, 1, 1, 2, 2, 1],
	'sex' : ['남', '여', '남', '여', '남', '남', '여', '여'],
        'major' : ['문과', '이과', '이과', '문과', '문과', '이과', '문과', '이과'],
     	'korean' : [90, 70, 85, 95, 100, 65, 95, 92],
        'math' : [88, 96, 92, 84, 72, 92, 100, 88]
        }
df = pd.DataFrame(data)

 

• 반의 전공별 국어 성적의 평균을 구하시오

pd.pivot_table(df, index='class', values='korean', 
		columns='major', aggfunc=np.mean)

 

• 반마다 성별에 따라 국어와 수학 성적을 전공별로 평균을 구하시오

pd.pivot_table(df, index=['class', 'sex'], values=['korean', 'math'], 
                columns='major', aggfunc=np.mean)