[Pandas] 데이터 재구조화(Melt, Concat) - cheat sheet🔥

Jaeyoung·2022년 10월 22일

Cheat Sheet pandas

👊판다스 뿌셔뿌셔

목록 보기

5/8

목표 설정

Pandas Cheat Sheet 에서 데이터 재구조화 중 melt, concat 학습하기
학습 부분
- Reshaping Data - Change layout, sorting, reindexing, renaming
  - Melt
  - Concat

Reshaping

재구조화(Reshaping data) 종류

pd.melt(df) : 열을 모아 행으로 녹이기

pd.concat([df1, df2]) : 여러 데이터프레임 하나로 병합

df.pivot(columns='var', values='val') : 행을 열로 올리기

pd.pivot_table(df, values='val', index=[], columns=[], aggfunc=func) : 연산이 가능한 피벗 테이블

실습에 사용할 데이터

Dataset : KOSIS 의료기관종별 환자 수 (2014 ~ 2017)
Dataset 미리보기 ( df.head() 결과물 )

	의료기관종별(1)	2014	2014.1	2014.2	2015	2015.1	2015.2	2016	2016.1	2016.2	2017	2017.1	2017.2
0	의료기관종별(1)	입원환자 (건)	외래환자 (회)	퇴원환자 (건)	입원환자 (건)	외래환자 (회)	퇴원환자 (건)	입원환자 (건)	외래환자 (회)	퇴원환자 (건)	입원환자 (건)	외래환자 (회)	퇴원환자 (건)
1	전체	9105050.0	892637667.0	9410734.0	9289026.0	889305558.0	9616010.0	9668108.0	924554212.0	9992759.0	9490057.0	925584924.	9825940.0
2	상급종합병원	1615801.0	34915453.0	1642113.0	1655144.0	35945441.0	1683153.0	1783450.0	38193925.0	1810729.0	1833377.0	39140685.0	1861502.0
3	종합병원	2929371.0	62107328.0	2995106.0	2968978.0	62302768.0	3039013.0	3171355.0	66437801.0	3238960.0	3098763.0	67228052.0	3169089.0
4	병원	2751873.0	60630401.0	2841399.0	2866076.0	61411640.0	2959724.0	2920029.0	64220984.0	3009903.0	2771038.0	63776830.0	2852455.0

Melt

id_vars : 그대로 나둘 Column 명
value_vars : 녹일 Column 명
var_name : 열에 사용할 이름 (행으로 녹일 때, 열로 지정할 이름)
value_name : 열의 값에 사용할 이름 (행으로 녹일 때, 열의 값에 지정할 이름)

실습으로 배우는 Melt

목표 : Columns 을 구성하고있는 연월 데이터를 행으로 녹이기
df_melt = df.melt(id_vars='의료기관종별(1)', var_name="연도", value_name="환자수")
df_melt.head()
의료기관종별(1) 연도 환자수
0 의료기관종별(1) 2014 입원환자 (건)
1 전체 2014 9105050.0
2 상급종합병원 2014 1615801.0
3 종합병원 2014 2929371.0
4 병원 2014 2751873.0

결과 : 행에 있으면 좋을 데이터가 열로 구성되어 있을 때, Melt 를 이용해 쉽게 DataFrame의 구조를 변경할 수 있다.

	의료기관종별(1)	연도	환자수
0	의료기관종별(1)	2014	입원환자 (건)
1	전체	2014	9105050.0
2	상급종합병원	2014	1615801.0
3	종합병원	2014	2929371.0
4	병원	2014	2751873.0

Concat

axis : 행을 기준으로 붙이기 (0 : 기본값), 열을 기준으로 붙이기 (axis=1)
ignore_index=True : 인덱스값 reset 하는 방법

실습으로 배우는 Concat

목표 : 나누어져있는 두 데이터프레임을 합치기
# 2014년, 2015년 데이터 일부 가져와서 변수에 할당하기
df1 = df_melt[df_melt["연도"] == '2014'][:2]
df2 = df_melt[df_melt["연도"] == '2015'][:2]
# 2014년, 2015년 병합 (병합기준 : default=행)
df_concat = pd.concat([df1, df2])
df_concat
의료기관종별(1) 연도 환자수
0 의료기관종별(1) 2014 입원환자 (건)
1 전체 2014 9105050.0
48 의료기관종별(1) 2015 입원환자 (건)
49 전체 2015 9289026.0
# 인덱스 값 reset 하여 가져오는 방법
df_concat = pd.concat([df1, df2], ignore_index=True)
df_concat 
의료기관종별(1) 연도 환자수
0 의료기관종별(1) 2014 입원환자 (건)
1 전체 2014 9105050.0
2 의료기관종별(1) 2015 입원환자 (건)
3 전체 2015 9289026.0
# 열을 기준으로 데이터 병합
df_concat = pd.concat([df1, df2], axis=1)
df_concat 
의료기관종별(1) 연도 환자수 의료기관종별(1) 연도 환자수
0 의료기관종별(1) 2014 입원환자 (건) NaN NaN NaN
1 전체 2014 9105050.0 NaN NaN NaN
48 NaN NaN NaN 의료기관종별(1) 2015 입원환자 (건)
49 NaN NaN NaN 전체 2015 9289026.0

주의사항
ignore_index 는 axis=1와 함께 사용하면 컬럼명을 기준으로 reset 해준다.
df_concat = pd.concat([df1, df2], axis=1, ignore_index=True)
df_concat 
0 1 2 3 4 5
0 의료기관종별(1) 2014 입원환자 (건) NaN NaN NaN
1 전체 2014 9105050.0 NaN NaN NaN
48 NaN NaN NaN 의료기관종별(1) 2015 입원환자 (건)
49 NaN NaN NaN 전체 2015 9289026.0

	의료기관종별(1)	연도	환자수
0	의료기관종별(1)	2014	입원환자 (건)
1	전체	2014	9105050.0
48	의료기관종별(1)	2015	입원환자 (건)
49	전체	2015	9289026.0

	의료기관종별(1)	연도	환자수
0	의료기관종별(1)	2014	입원환자 (건)
1	전체	2014	9105050.0
2	의료기관종별(1)	2015	입원환자 (건)
3	전체	2015	9289026.0

	의료기관종별(1)	연도	환자수	의료기관종별(1)	연도	환자수
0	의료기관종별(1)	2014	입원환자 (건)	NaN	NaN	NaN
1	전체	2014	9105050.0	NaN	NaN	NaN
48	NaN	NaN	NaN	의료기관종별(1)	2015	입원환자 (건)
49	NaN	NaN	NaN	전체	2015	9289026.0

	0	1	2	3	4	5
0	의료기관종별(1)	2014	입원환자 (건)	NaN	NaN	NaN
1	전체	2014	9105050.0	NaN	NaN	NaN
48	NaN	NaN	NaN	의료기관종별(1)	2015	입원환자 (건)
49	NaN	NaN	NaN	전체	2015	9289026.0