6. 데이터 재구조화 1 - Melt
데이터를 세로형으로 변환하기
데이터 분석과 시각화를 위해 가로로 넓게 펼쳐진 데이터를 세로형(long format)으로 변환해야 할 때가 있습니다. 이를 위해 Pandas의 melt() 함수를 활용합니다.
1. 기본 melt() 함수 사용
다음은 기본적으로 melt()를 적용한 예제입니다:
python
코드 복사
# 기본 melt 함수 사용
df.melt('상품군별(1)')
# 결과 확인
df.head()
df.columns[:3]
melt('상품군별(1)'): 특정 컬럼(상품군별(1))을 기준으로 데이터를 세로형으로 변환합니다.- 결과적으로 가로 방향으로 나열된 컬럼이 세로 방향의 행 데이터로 변환됩니다.
2. id_vars를 활용한 데이터 변환
id_vars를 사용하여 변환 대상에서 제외할 컬럼을 지정할 수 있습니다:
python
코드 복사
# id_vars를 지정하여 melt 함수 실행
df.melt(id_vars=df.columns[:3])
# 결과 확인
df.head(1)
id_vars=df.columns[:3]: 첫 세 개의 컬럼을 고정(유지)하고 나머지 컬럼을 변환 대상으로 지정합니다.- 이 과정은 데이터를 가로형에서 세로형으로 풀어주는 재구조화 과정입니다.
3. melt() 결과를 변수에 저장
melt() 함수의 결과를 새로운 변수에 저장하여 향후 분석에 활용할 수 있습니다:
python
코드 복사
# 최종적으로 필요한 형태로 데이터 변환
result = df.melt(
id_vars=df.columns[:3], # 유지할 컬럼
var_name='날짜', # 새로 생성될 날짜 컬럼 이름
value_name='거래액' # 새로 생성될 값 컬럼 이름
)
var_name: 가로형 데이터를 풀어낸 후 생성되는 컬럼의 이름을 지정합니다.value_name: 변환 후 값(value)이 들어갈 컬럼의 이름을 지정합니다.result변수에는 세로형으로 변환된 데이터가 저장됩니다.
변환 전후 비교
변환 과정을 통해 데이터는 다음과 같은 형태로 변경됩니다:
- 변환 전:
상품군별(1) 2023-01 2023-02 2023-03 ... 음식서비스 5000 5200 5400 ... - 변환 후:
상품군별(1) 날짜 거래액 음식서비스 2023-01 5000 음식서비스 2023-02 5200 음식서비스 2023-03 5400
다음 단계
변환된 데이터는 이후 추가 분석과 시각화에 적합한 구조를 가지게 됩니다. 이제 이 데이터를 활용하여 인사이트를 도출할 준비를 할 수 있습니다.
