[KT Aivle AI] 1주차. Pandas2(조회 및 집계)

1. 개요

주제: Pandas
내용 : Pandas에 대해 조회 및 집계를 정리하려고 한다.

2. 데이터프레임 조회

(1) 들아가기 전에

• 시리즈(Series)와 데이터프레임(DataFrame)
  - 데이터프레임 : 2차원 구조
  - 시리즈 : 1차원 구조
  - 데이터프레임에서 열 하나를 띄어 내면 시리즈!
  

(2) 특정 열 조회

• df.loc[ : , [열 이름1, 열 이름2,...]] 형태로 조회할 열 이름을 리스트로 지정합니다.
• 2차원 배열은 대괄호 안에 또 대괄호로 읽지 마시고, 대괄호 안에 리스트!!!
• 열 부분은 생략할 수 있었지만, 행 부분을 생략할 수는 없습니다.

✍ 입력

# Attrition 열 조회 : 시리즈로 조회
data['Attrition']

✍ 출력

0       0
1       0
2       0
3       0
4       1
       ..
1191    0
1192    0
1193    0
1194    0
1195    0
Name: Attrition, Length: 1196, dtype: int64

✍ 입력

# Attrition, Age 열 조회 : 데이터프레임으로 조회
# 대괄호 안에 또 대괄호로 읽지 마시고, 대괄호 안에 리스트!!!
data[['Attrition', 'Age' ]]

✍ 출력

	Attrition	Age
0	0	33
1	0	35
2	0	42
3	0	46
4	1	22
...	...	...
1191	0	32
1192	0	27
1193	0	29
1194	0	29
1195	0	43
1196 rows × 2 columns

✍ 입력 : Pandas 보충문제

# Age, DistanceFromHome, Gender열만 DistanceFromHome 열 기준으로 내림차순 정렬

data[['Age', 'DistanceFromHome', 'Gender']].sort_values(by=['Age', 'DistanceFromHome', 'Gender'], ascending=False)

(3) 조건으로 조회: .loc

• df.loc[조건] 형태로 조건을 지정해 조건에 만족하는 데이터만 조회할 수 있습니다.
• 우선 조건이 제대로 판단이 되는지 확인한 후 그 조건을 대 괄호 안에 넣으면 됩니다.

1) 단일 조건 조회

✍ 입력

data['DistanceFromHome'] > 10

2) 여러 조건 조회

• [ ]안에 조건을 여러개 연결할 때 and와 or 대신에 &와 |를 사용해야 합니다.
• 그리고 각 조건들은 (조건1) & (조건2) 형태로 괄호로 묶어야 합니다.

✍ 입력

data.loc[(data['DistanceFromHome'] > 10) & (data['JobSatisfaction'] == 4)]

3) isin(), between()

• isin([값1, 값2,..., 값n]): 값1 또는 값2 또는...값n인 데이터만 조회합니다.
• 주의 isin(리스트) 값들을 리스트 형태로 입력해야 합니다.

✍ 입력 : 값 나열

data.loc[data['JobSatisfaction'].isin([1,4])]

✍ 입력 : 범위 지정

data.loc[data['Age'].between(25, 30)]

3. 데이터프레임 집계

• sum(), mean(), max(), min(), count() 메소드를 사용해 지정한 열 또는 열들을 기준으로 집계합니다.
• 평균을 구하는 메소드가 avg()가 아닌 mean() 임을 주의하기 바랍니다.

(1) 열 하나 집계

• 우선 특정 열의 값 합은 다음과 같이 구할 수 있습니다.
  ✍ 입력

# MonthlyIncome 합계
data['MonthlyIncome'].sum()

✍ 출력

7798045

✍ 입력

# MonthlyIncome, TotalWorkingYears 각각의 평균
data[['MonthlyIncome', 'TotalWorkingYears']].mean()

✍ 출력

MonthlyIncome        6520.104515
TotalWorkingYears      11.330268
dtype: float64

1) 집계하기

• 만일 day 별로 합을 구하고자 한다면 다음과 같이 합니다.
• 아래 결과 값 네 개를 더하면 전체 합이 됩니다.
  - as_index=True를 설정(기본값)하면 집계 기준이 되는 열이 인덱스 열이 됩니다.
• 집계 결과가 data 열만 가지니 시리즈가 됩니다.

✍ 입력

# MaritalStatus 별 Age 평균 --> 시리즈
data.groupby('MaritalStatus', as_index=True)['Age'].mean()

✍ 출력

MaritalStatus
Divorced    37.522727
Married     37.704380
Single      35.460938
Name: Age, dtype: float64

✍ 입력 : MaritalStatus 별 Age 평균 --> 데이터프레임

data.groupby('MaritalStatus', as_index=True)[['Age']].mean()

✍ 출력

					Age
MaritalStatus	
Divorced		37.522727
Married			37.704380
Single			35.460938

- as_index=False를 설정하면 행 번호를 기반으로 한 정수 값이 인덱스로 설정됩니다.

✍ 입력

# MaritalStatus 별 Age 평균 --> 데이터프레임
data.groupby('MaritalStatus', as_index=False)[['Age']].mean()

✍ 출력

	MaritalStatus			Age
0	Divorced		37.522727
1	Married			37.704380
2	Single			35.460938

2) 데이터프레임으로 선언

• 집계 결과를 새로운 데이터프레임으로 선언하여 사용하는 경우가 많습니다.
• 집계된 결과를 반복해서 사용하거나, 분석 대상이 되는 경우 데이터프레임으로 선언함이 유익합니다.

✍ 입력

data.groupby('MaritalStatus', as_index=False)[['Age','MonthlyIncome']].mean()

✍ 출력
	MaritalStatus		Age			MonthlyIncome
0	Divorced		37.522727		6707.018939
1	Married			37.704380		6880.144161
2	Single			35.460938		5877.794271

• sum() 메소드 앞에 아무 열도 지정하지 않으면 기준열 이외의 모든 열에 대한 집계가 수행됩니다.

✍ 입력

data.groupby('MaritalStatus', as_index=False).sum()

• by=['feature1', 'feature2'] 과 같이 집계 기준 열을 여럿 설정할 수도 있습니다.

✍ 입력

# 'MaritalStatus', 'Gender'별 나머지 열들 평균 조회
data_sum = data.groupby(['MaritalStatus', 'Gender'], as_index=False)[['Age','MonthlyIncome']].mean()

# 확인
data_sum

(3) 여러 함수로 한꺼번에 집계 .agg

df.groupby( ).agg(['함수1','함수2', ...])

✍ 입력

data_agg = data.groupby('MaritalStatus', as_index=False)[['MonthlyIncome']].agg(['min','max','mean'])
# 확인
data_agg