학습 내용

DataFrame에서 정렬과 집계 하기

정렬

index이름, column 이름을 기준으로 정렬

DataFrame.sort_index(axis, ascending=True)

• axis
  • index 이름 기준 정렬(행) : 'index' 또는 0 (기본값)
  • column 이름 기준 정렬(열) : 'columns' 또는 1
• ascending
  • 정렬방식 지정
  • True: 오름차순 (기본값)
  • False: 내림차순
• inplace
  • 원본에 적용 여부 지정
  • False: 변경한 복사본 반환 (기본값)
  • True : 원본을 변경

import pandas as pd
import numpy as np

np.random.seed(0)

# 0~9 사이의 난수로 5행 3열의 행렬 생성
data = np.random.randint(10, size=(5,3))

df = pd.DataFrame(data, columns=['a','b','c'], 
index=['가','나','다','라','마'])

df

    a   b   c
가	5	0	3
나	3	7	9
다	3	5	2
라	4	7	6
마	8	8	1

# ascending 내림차순 지정
# index 이름의 순서가 변경됨

df.sort_index(ascending=False)

	a	b	c
마	8	8	1
라	4	7	6
다	3	5	2
나	3	7	9
가	5	0	3
-----------------------------------
axis=1을 추가로 줘보자

# column 이름의 순서가 변경됨  
df.sort_index(axis=1,ascending=False)

	c	b	a
가	3	0	5
나	9	7	3
다	2	5	3
라	6	7	4
마	1	8	8

axis=0과 1의 차이를 알아두자.

특정 컬럼(열)의 값을 기준으로 정렬

DataFrame.sort_values(by, ascending, inplace)

• by

  • 정렬 기준이 되는 컬럼이름을 문자열로 지정
  • 여러 컬럼에 대해 정렬할 경우 리스트에 담아 전달한다.

• ascending

  • 여러 컬럼에 대해 정렬할 경우 정렬방식도 리스트에 담아 전달

• 결측치는 방식과 상관없이 마지막에 나온다.

import pandas as pd
import numpy as np

np.random.seed(0)

# 0~9 사이의 난수로 4행 10열의 행렬 생성
data = np.random.randint(100, size=(4,10))

df = pd.DataFrame(data, columns=['a','b','c','d','e','1','2','3','4','5'], 
index=['가','나','다','라'])

df

	a	b	c	d	e	1	2	3	4	5
가	44	47	64	67	67	9	83	21	36	87
나	70	88	88	12	58	65	39	87	46	88
다	81	37	25	77	72	9	20	80	69	79
라	47	64	82	99	88	49	29	19	19	14

# a를 기준으로 값들이 오름차순 정렬이 됨
# 기본값이 'ascending=True'
df.sort_values('a')

	a	b	c	d	e	1	2	3	4	5
가	44	47	64	67	67	9	83	21	36	87
라	47	64	82	99	88	49	29	19	19	14
나	70	88	88	12	58	65	39	87	46	88
다	81	37	25	77	72	9	20	80	69	79
------------------------------------------
지정한 컬럼만 보고싶을 때

# a를 기준으로 오름차순 한 값들 중 a와 1컬럼만 보고싶다
df.sort_values('a')[['a','1']]

	a	1
가	44	9
라	47	49
나	70	65
다	81	9
------------------------------------------
boolean indexing을 사용하여 조건에 만족하는 값 확인

# a가 50 이상의 값이 있는 '나'와 '다' 행만 잘라서 보여준다. 
result = df[df['a']>50].sort_values('a')
result

	a	b	c	d	e	1	2	3	4	5
나	70	88	88	12	58	65	39	87	46	88
다	81	37	25	77	72	9	20	80	69	79

집계

기술통계 메소드를 이용한다.

주요 기술통계 메소드

함수	설명
sum()	합계
mean()	평균
median()	중위수
mode()	최빈값
quantile()	분위수
std()	표준편차
var()	분산
count()	결측치를 제외한 원소 개수
min()	최소값
max()	최대값
idxmax()	최대값 index
idxmin()	최소값 index
unique()	고유값
nunique()	고유값의 개수

value_counts()는 Series에만 사용할 수 있다.

• DataFrame에 기술 통계 메소드를 사용하면 컬럼별로 계산한다.

• idxmax(), idxmin()은 문자열 컬럼에 사용할 수 없다.

  • numpy의 argmax(), argmin() 함수 사용해라.

• 공통 매개변수

• skipna

  • 결측치를 포함해서 계산할지 여부 설정
  • True: 결측치 제외하고 계산(기본값)
  • False: 결측치 포함하여 계산
    • 결측치가 하나라도 포함되어 있으면 결과는 결측치이다.

• axis

• 0 : 컬럼 방향으로 집계(위에서 아래로)

• 1 : 인덱스 방향으로 집계(좌에서 우로)

df.max()

a    81
b    88
c    88
d    99
e    88
1    65
2    83
3    87
4    69
5    88
dtype: int32
--------------------------

df.mean()

a    60.50
b    59.00
c    64.75
d    63.75
e    71.25
1    33.00
2    42.75
3    51.75
4    42.50
5    67.00
dtype: float64

agg(func, axis=0, *args, **kwargs)

• DataFrame, Series의 메소드로 집계결과를 다양한 형태로 묶어서 볼 때 사용한다.

• 매개변수

• func

  • 집계 함수 지정
    • 함수명/함수리스트 (문자열)
      • 판다스 제공 집계메소드들은 문자열로, 사용자정의 집계함수는 함수 객체로 전달
    • Dictionary : {'집계할컬럼' : 집계함수, ... }
      • 컬럼별로 다른 집계를 할 경우 사전을 사용

• axis

  • DataFrame에 적용할 때 0 방향으로 계산할 지 1 방향으로 계산할지 설정
    • 0 또는 'index' (기본값): 컬럼 방향으로 집계
    • 1 또는 'columns': 행 방향으로 집계

• *args, **kwargs

  • 함수에 전달할 매개변수.
  • 집계함수는 첫번째 매개변수로 Series를 받는다. 그 이외의 매개변수가 있는 경우.

# a의 최소값

df['a'].min()
44
---------------------------
# a의 최대값

df['a'].max()
81
---------------------------
# a의 최소값과 최대값
# 리스트로 묶어 한줄로 작성 가능

df['a'].agg(['min','max'])
min    44
max    81
Name: a, dtype: int64
---------------------------
# a와 1의 평균값

df[['a','1']].mean()
a    60.5
1    33.0
dtype: float64
---------------------------
# a와 1의 평균과 중위값
df[['a','1']].agg(['mean','median'])
	  	  a	      1
mean	60.5	33.0
median	58.5	29.0

# dict로 묶어 a에는 sum, 1에는 max,mean 함수 적용

df.agg({
	"a":"sum",
    "1":["max","mean"]
    })
   		  a	     1
sum	    242.0	NaN
max	    NaN	   65.0
mean	NaN	   33.0

Groupby

• 특정 열을 기준으로 같은 값을 가지는 행끼리 묶어서 group화 한다.
• ~~ 별 집계를 할 때 사용한다.
  • 성별, 직급별, 등급별 ...
    • Group으로 묶을 기준 열은 범주형타입(category)을 사용한다.

구문

• DF.groupby('그룹으로 묶을 기준 컬럼')
  • DataFrameGroupby 객체를 반환한다.
  • DataFrameGroupby 객체는 어떤 행끼리 묶여있는지 정보를 가진다.
• DataFrameGroupby객체['집계할 컬럼'].집계함수()
  • 이 객체의 집계함수를 사용하면 그룹별 집계를 할 수 있다.
• 집계할 컬럼이 여러개인 경우 리스트로 묶어준다.

집계함수

• 기술통계 함수들
• agg()
  • 여러 다른 집계함수 호출시(여러 집계를 같이 볼경우)
  • 사용자정의 집계함수 호출시
  • 컬럼별로 다른 집계함수들을 호출할 경우