18. Appendix. pandas_reshape 2

Appendix. pandas_reshape 2

Pandas를 활용한 데이터 재구조화 및 결합

Pandas의 melt, pivot_table, 그리고 concat 메서드를 사용하면 데이터 재구조화와 결합 작업을 효율적으로 처리할 수 있습니다. 이를 통해 데이터를 분석에 적합한 형태로 변환할 수 있습니다.

---

1. 데이터프레임 생성

아래는 예제로 사용할 데이터프레임입니다:

python
코드 복사
import pandas as pd

# 데이터프레임 생성
df2 = pd.DataFrame({
    "category1": ["메인", "메인", "메인", "메인", "메인"],
    "category2": ["양념치킨", "간장치킨", "반반", "마늘치킨", "후라이드"],
    "2023-07-01": [10, 26, 11, 5, 10],
    "2023-07-02": [20, 5, 20, 5, 30],
    "2023-07-03": [10, 25, 12, 12, 30],
    "2023-07-04": [5, 15, 5, 25, 5],
    "2023-07-05": [30, 10, 21, 22, 10]
})

데이터프레임의 구조는 다음과 같습니다:

category1	category2	2023-07-01	2023-07-02	2023-07-03	2023-07-04	2023-07-05
메인	양념치킨	10	20	10	5	30
메인	간장치킨	26	5	25	15	10
메인	반반	11	20	12	5	21
메인	마늘치킨	5	5	12	25	22
메인	후라이드	10	30	30	5	10

---

2. melt 함수로 세로형 데이터 변환

• melt를 사용하여 가로로 펼쳐진 데이터를 세로로 변환합니다.

1. 단일 기준으로 변환

   python
   코드 복사
   df2.melt(id_vars=['category1'])
   

   • 결과: category1 컬럼을 고정하고 나머지 데이터를 세로로 나열.

2. 다중 기준으로 변환

   python
   코드 복사
   df2.melt(id_vars=['category1', 'category2'])
   

   • 결과: category1과 category2 컬럼을 고정하고 나머지 데이터를 변환.

3. 새로운 컬럼 이름 지정

   python
   코드 복사
   tmp = df2.melt(id_vars=['category1', 'category2'], var_name='date', value_name='cnt')
   

   • var_name='date': 날짜 정보를 저장하는 새로운 컬럼 이름.
   • value_name='cnt': 값 정보를 저장하는 새로운 컬럼 이름.

---

3. pivot_table로 데이터 요약

세로형으로 변환된 데이터를 기준으로 피벗 테이블을 생성합니다:

python
코드 복사
tmp.pivot_table(index=['category1', 'category2'])

• index=['category1', 'category2']: category1과 category2를 기준으로 데이터를 그룹화.
• 기본 집계 함수: mean(평균값).

---

4. concat으로 데이터 결합

Pandas의 concat 함수로 데이터프레임을 결합합니다.

1. 가로로 결합 (옆으로 붙임)

   python
   코드 복사
   pd.concat([df1, df2], axis=1)
   

   • axis=1: 두 데이터프레임을 열 기준으로 병합.

2. 세로로 결합 (밑으로 붙임)

   python
   코드 복사
   pd.concat([df1, df2], axis=0)
   

   • axis=0: 두 데이터프레임을 행 기준으로 병합.

---

요약

• melt: 데이터를 세로형으로 변환하여 분석 및 시각화에 적합한 형태로 만듦.
• pivot_table: 데이터를 요약하여 그룹화 및 집계 가능.
• concat: 여러 데이터프레임을 효율적으로 결합.