[Pandas] 데이터 변형하기 - pivot, pivot_table

2024.10.22 - [빅데이터 공부] - [Pandas] 데이터 변형하기 - groupby

[Pandas] 데이터 변형하기 - groupby

 

1. groupby()

2. pd.pivot(), pd.pivot_table()

3. stack(), unstack()

 

---

실습을 위한 라이브러리 임포트

import numpy as np
import pandas as pd

 

참고

https://pandas.pydata.org/docs/user_guide/reshaping.html

Reshaping and pivot tables — pandas 2.2.3 documentation

특징

• 데이터의 가독성이 떨어질 때 사용한다.
• index, column, value를 지정할 수 있다.
• pivot_table은 aggfunc도 지정 가능

 

pivot과 pivot_table의 차이

	pivot	pivot_table
인덱스가 2개 이상인 경우	에러	계산 가능
컬럼이 2개 이상인 경우	에러	계산 가능
여러 값이 있는 경우	에러	계산 가능

---

데이터 프레임 생성

df = pd.DataFrame({
    "r1": ["one", "one", "two", "three"] * 6,
    "r2": ["A", "B", "C"] * 8,
    "r3": ["foo", "foo", "foo", "bar", "bar", "bar"] * 4,
    "r4": np.random.randn(24)
})

df

 

---

pivot(), pivot_table()

둘의 차이에 맞춰 예제를 보겠다.

 

 

1. 여러 값이 있을 때

r1을 인덱스로, r2를 컬럼으로, r4를 value로 할 때

r1이 one이고, r2가 A인 값이 여러 개라면

# 중복값 있을 때 : index, columns이 같은 게 중복됨
df[(df['r1'] == 'one') & (df['r2'] == 'A')]

 

- pivot

# 에러
# index: r1, columns: r2, values: r4
pd.pivot_table(df, index='r1', columns='r2', values='r4')

 

- pivot_table

# index: r1, columns: r2, values: r4
pd.pivot_table(df, index='r1', columns='r2', values='r4')

 

여러 값이 존재할 때 pivot에서는 에러가 나지만 pivot_table에서는 에러가 나지 않는다

pivot_table은 r1이 one이고, r2가 A인 것들의 평균을 내서 넣어준다

(0.607863-0.236812-1.273399+0.459466)/4 = -0.110721

 

그러면 평균 말고, 다른 값으로 바꾸고 싶다면

aggfunc을 사용할 수 있다.

# index: r1, columns: r2, values: r4 + aggfunc 시 합계로
pd.pivot_table(df, index='r1', columns='r2', values='r4', aggfunc=np.sum)

0.607863-0.236812-1.273399+0.459466 = -0.442882

 

---

2. 인덱스가 두 개 이상일 때

- pivot

# 에러
pd.pivot(df, index=['r1', 'r3'], columns='r2', values='r4')

 

 

- pivot_table

pd.pivot_table(df, index=['r1', 'r3'], columns='r2', values='r4')

 

 

 

없으면 NaN으로 채워진다.

이곳에서도 여러 값이 나온다면, 평균을 내 값이 채워진다.

 

r1이 one이고, r2가 A, r3가 foo인 것을 보면 여러 값이 나온다.

df[(df['r1']=='one') & (df['r2']=='A') & (df['r3']=='foo')]

(0.607863-1.273399)/2 = 0.332768

pivot_table에서는 평균으로 대체한다.

 

---

3. 컬럼이 두 개 이상일 때

- pivot

# 에러
pd.pivot(df, index='r1', columns=['r2', 'r3'], values='r4')

 

 

- pivot_table

pd.pivot_table(df, index='r1', columns=['r2', 'r3'], values='r4')

 

없으면 NaN으로 채워진다.

똑같이 r1이 one이고, r2가 A, r3가 foo인 것은 -0.332768이 된다.