[29일차]DataFrame심화 - DataFrame과 Series 각 데이터 함수적용(apply)

데이터 가져오기

import pandas as pd

customers = pd.read_csv('marketing_campaign.csv', sep='\t', index_col='ID')
customers

---

고객 나이 계산 후 새로운 컬럼 만들기

아래의 사진을 보면 업데이트는 2021년8월23일 기준으로 되었다.

즉, 2021에서 탄생년도를 빼면 나이가 나온다.

# 나이 계산 - 데이터셋이 2021.08.23임
2021-customers['Year_Birth']

이를 insert 메소드로 새로운 컬럼 추가.

customers.insert(loc=1, column='Age', value= 2021-customers['Year_Birth'])

---

아동,청소년 등 나이에 맞게 구분을 지어보자. - apply()

구분	나이 범위	설명
아동	0세부터 만 12세까지	0세부터 12세까지의 나이를 아동으로 분류.
청소년	만 13세부터 만 19세까지	13세부터 19세까지의 나이를 청소년으로 분류.
청년	만 20세부터 39세까지	20세부터 39세까지의 나이를 청년으로 분류. 청년은 취업, 결혼, 주택 구입 등의 중요한 이벤트가 발생하는 시기입니다.
중년	만 40세부터 64세까지	40세부터 64세까지의 나이를 중년으로 분류. 중년은 청년기 이후의 성숙한 시기로 여겨지며, 가정을 이루고 가족을 양육하는 등의 책임을 맡을 때입니다.
노년	만 65세 이상	65세 이상의 나이를 노년으로 분류. 노년은 고령자로 여겨지며, 사회적 보호와 건강 관리 등에 대한 관심이 증가합니다.

구분은 위의 표와 같다.

이를 함수를 통해 구분지어보자.

def classify_age(age):
    if age >=0 and age <= 12:
        return 'Child'
    elif age>= 13 and age <= 19:
        return 'Teenager'
    elif age>=20 and age <= 39:
        return 'Young Adult'
    elif age>=40 and age<=64:
        return 'Middle-aged'
    elif age>=65:
        return 'Elderly'
    else:
        return 'Invalid age'

(age)에 나이가 들어가면 구분을 해주는 함수이다.

이제 customers 데이터 프레임의 Age 컬럼을 함수 인자에 넣어주자.

.apply() 메소드

특정 함수를 시리즈 형태로 하나하나 실행시켜주는 메소드

customers['Age'].apply(classify_age)

Age 컬럼의 데이터를 하나하나 classify_age 인자 값에 넣어준다.

이를 컬럼에 추가해 주자

customers['Age_Group'] = customers['Age'].apply(classify_age)

이렇게 하면 맨 마지막 컬럼에 저장이 되는 것은 이제 사진을 보지 않아도 알 수 있다.

이렇게 컬럼을 추가 했을때 다시 재배치하는 방법을 알아보자.

데이터를 빼낸 뒤 다시 삽입.

.pop() 메소드는 컬럼을 빼오는 기능을 가지고 있다.

data = customers.pop('Age_Group') #컬럼을 빼오고
customers.insert(2, 'Age_Group',data) # insert로 넣어준다.
customers

그럼 Age 컬럼 옆으로 Age_Group 이 추가된 것을 확인할 수 있다.

---

.apply()로 여러 컬럼을 읽어오기.

육류, 어류에 대한 지출금액을 합산해보자.

소비량 정보가 있는 컬럼만 가져와보자.

나는 iloc. 을 이용하여 가져왔다.

customers.iloc[:,10:16]

육류 소비 데이터 MntMeatProducts 컬럼

어류 소비 데이터 MntFishProducts 컬럼의 합계를 구해주는 함수를 만들어보았다.

 def total_meat_fish(row):
    meat = row['MntMeatProducts']
    fish = row['MntFishProducts']
    return sum(meat,fish)

이제 이걸 apply 로 연산해주자.

customers.apply(total_meat_fish)

오잉!? 오류가 뜬다…!!!

확인해보니 기본적으로 컬럼을 기준으로 더하기 때문에

axis = index로 바꿔주어 컬럼과 컬럼을 연산할 수 있게 해줘야 된다.

customers.apply(total_meat_fish, axis=1)

이 데이터를 Income (수익)컬럼 옆에 둬서

육류와 어류 소비량에 대한 수익을 눈으로 보기 쉽게 해보자.

customers.insert(6,'meat+fish',customers.apply(total_meat_fish, axis=1))

---

**.apply(lambda_func)**

lambda를 이용해서 컬럼을 추가해보자.

원화를 볼 수 있는 컬럼을 가져와 보자.

1달러에 1312원이라고 가정했을 때

Income * 1312 = 원화일 것 이다.

# 2023-12-09 기준 1달러 == 1312원
customers['Income']*1312 # 계산

customers.insert(loc=6, column='Income_kr', value=customers['Income']*1312) #계산값 컬럼