Pandas 데이터프레임 연습 2#

이 노트는 데이터프레임의 정리와 그룹화에 대한 예제이니 자유롭게 코드를 실행시키면서 연습해 보세요.

import pandas as pd
import numpy as np

먼저 연습을 위한 데이터프레임 df를 만들어 보자.

df = pd.DataFrame( {
    'I' : ["A","A","A","A","A","A","B","B","B","B","B","C","C","C","C","C","C"],
    'J' : [ "math","math","math","lang","lang","lang","math","math","lang","lang","lang","math","math","math","lang","lang","lang"],
    'K' : [22, 21, 31, 24, 25, 36, 31, 23, 34, 21, 29, 34, 41, 32, 26, 23, 43],
    'L' : [79, 94, 64, 67, 75, 45, 65, 34, 54, 32,87, 65, 56, 65, 76, 65, 89]
})
df
I J K L
0 A math 22 79
1 A math 21 94
2 A math 31 64
3 A lang 24 67
4 A lang 25 75
5 A lang 36 45
6 B math 31 65
7 B math 23 34
8 B lang 34 54
9 B lang 21 32
10 B lang 29 87
11 C math 34 65
12 C math 41 56
13 C math 32 65
14 C lang 26 76
15 C lang 23 65
16 C lang 43 89

열이름 바꾸기#

df.rename(columns= { 'I':'school', 'J': 'class', 'K' : 'age', 'L':'score'})
school class age score
0 A math 22 79
1 A math 21 94
2 A math 31 64
3 A lang 24 67
4 A lang 25 75
5 A lang 36 45
6 B math 31 65
7 B math 23 34
8 B lang 34 54
9 B lang 21 32
10 B lang 29 87
11 C math 34 65
12 C math 41 56
13 C math 32 65
14 C lang 26 76
15 C lang 23 65
16 C lang 43 89 
df.columns

Index(['I', 'J', 'K', 'L'], dtype='object')

df.rename(columns= { 'I':'school', 'J': 'class', 'K' : 'age', 'L':'score'}, inplace=True)

df.head(4)
school class age score
0 A math 22 79
1 A math 21 94
2 A math 31 64
3 A lang 24 67

그룹별 요약#

df1 = df.groupby(by = 'school')

함수 count() 는 그룹으로 지정된 school 의 각 그룹에 속한 행의 개수를 표시하는 함수

df1.count()
class age score
school
A 6 6 6
B 5 5 5
C 6 6 6 
df1.sum()
age score
school
A 159 424
B 138 272
C 199 416 
df1.mean()
age score
school
A 26.500000 70.666667
B 27.600000 54.400000
C 33.166667 69.333333 
df1.max()
class age score
school
A math 36 94
B math 34 87
C math 43 89 
df2 = df.groupby(by = ['school', 'class'])

df2.count()
age score
school class
A lang 3 3
math 3 3
B lang 3 3
math 2 2
C lang 3 3
math 3 3 
df2.sum()
age score
school class
A lang 85 187
math 74 237
B lang 84 173
math 54 99
C lang 92 230
math 107 186 
df2.mean()
age score
school class
A lang 28.333333 62.333333
math 24.666667 79.000000
B lang 28.000000 57.666667
math 27.000000 49.500000
C lang 30.666667 76.666667
math 35.666667 62.000000 
summary_df = df2.mean().reset_index()
summary_df
school class age score
0 A lang 28.333333 62.333333
1 A math 24.666667 79.000000
2 B lang 28.000000 57.666667
3 B math 27.000000 49.500000
4 C lang 30.666667 76.666667
5 C math 35.666667 62.000000

예제: 매출액 계산#

다음은 3개 전자제품 대리점 A, B, C 의 6개월간(1월-6월) 모니터와 핸드폰의 매출액(단위:백만원)이다.

데이터프레임 sales 의 각 열에 대한 설명은 다음과 같다.

  • company : 전자제품 대리점

  • month : 월

  • monitor: 모니터 매출액 (단위:백만원)

  • phone : 핸드폰 매출액 (단위:백만원)

sales = pd.DataFrame( {
    'company' : ["A","A","A","A","A","A","B","B","B","B","B","B","C","C","C","C","C","C"],
    'month' : [1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6],
    'monitor' : [22, 21, 31, 24, 25, 36, 31, 23, 34, 21, 29, 34, 41, 32, 26, 23, 43, 34],
    'phone' : [79, 94, 64, 67, 75, 45, 65, 34, 54, 32,87, 65, 56, 65, 76, 65, 89, 45]
})
sales
company month monitor phone
0 A 1 22 79
1 A 2 21 94
2 A 3 31 64
3 A 4 24 67
4 A 5 25 75
5 A 6 36 45
6 B 1 31 65
7 B 2 23 34
8 B 3 34 54
9 B 4 21 32
10 B 5 29 87
11 B 6 34 65
12 C 1 41 56
13 C 2 32 65
14 C 3 26 76
15 C 4 23 65
16 C 5 43 89
17 C 6 34 45

대리점별 총매출액은?#

두 개의 메소드 groupby(by = 'company') 와 sum() 을 이용하여 대리점별로 열의 합을 구해보자.

sales.groupby(by = 'company').sum()
month monitor phone
company
A 21 159 424
B 21 172 337
C 21 199 396

위와 같이 전체 데이터프레임에 메소드 sum() 을 적용하면 월(month)의 값들를 더해주는 의도치 않은 결과를 얻는다.

이제 필요한 3개의 열만 선택하여 그룹을 설정하자.

sales_gr1 = sales[["company","monitor","phone"]].groupby(by = 'company')

sales_gr1

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x7fa388053670>

다음으로 그룹화된 데이터프레임에 sum() 을 적용하여 구룹별로 열의 합을 구하자.

sales_gr1.sum()
monitor phone
company
A 159 424
B 172 337
C 199 396

이제 sum(axis=1) 메소드로 모니터와 핸드폰의 매출액 합을 더하면 대리점별로 총 매출액을 구할 수 있다.

sales_gr1.sum().sum(axis=1)

company
A    583
B    509
C    595
dtype: int64

하나의 표현식으로 다음과 같이 동일한 결과를 얻을 수 있다.

sales[["company","monitor","phone"]].groupby(by = 'company').sum().sum(axis=1)

company
A    583
B    509
C    595
dtype: int64

월별 총 배출액은?#

sales_gr2 = sales.groupby(by = 'month')

sales_gr2.sum().sum(axis=1)

month
1    294
2    269
3    285
4    232
5    348
6    259
dtype: int64

월별로 대리점들의 매출 점유율(market share)은?#

월 총 매출액에서 각 대리점의 매출액이 차이하는 비율을 구해보자.

  1. 모니터와 핸드폰 매출액을 더해서 대리점의 월별 총매츨액 total 을 계산

sales['total'] = sales['monitor'] + sales['phone']

sales
company month monitor phone total
0 A 1 22 79 101
1 A 2 21 94 115
2 A 3 31 64 95
3 A 4 24 67 91
4 A 5 25 75 100
5 A 6 36 45 81
6 B 1 31 65 96
7 B 2 23 34 57
8 B 3 34 54 88
9 B 4 21 32 53
10 B 5 29 87 116
11 B 6 34 65 99
12 C 1 41 56 97
13 C 2 32 65 97
14 C 3 26 76 102
15 C 4 23 65 88
16 C 5 43 89 132
17 C 6 34 45 79

에를 들어 1월의 총매출액은 101+96+97 = 294 이므로 1월 각 대리점의 점유율은 다음과 같다.

  • A 지점 = 101/294

  • B 지점 = 96/294

  • C 지점 = 97/294

np.array([101, 96, 97]) / 294

array([0.34353741, 0.32653061, 0.32993197])

  1. 월별 총 매출액 month_total 을 가진 새로운 데이터프레임 month_sales 생성

sales_gr2 = sales[['month', 'total']].groupby(by = 'month')
sales_gr2.sum()
total
month
1 294
2 269
3 285
4 232
5 348
6 259 
month_sales = sales_gr2.sum().reset_index()

month_sales
month total
0 1 294
1 2 269
2 3 285
3 4 232
4 5 348
5 6 259

데이터프레임 month_sales 의 열이름 total 이 데이터프레임 sales 의 열 이름과 동이하므로 이름을 month_total 로 변경하자.

month_sales.rename(columns={'total':"month_total"}, inplace=True)
month_sales
month month_total
0 1 294
1 2 269
2 3 285
3 4 232
4 5 348
5 6 259

  1. 매출액 자료 sales 와 월별 총 매출액 을 가진 데이터프레임 month_sales 를 결합하여 새로운 데이터프레임 sales2 생성한다.

이 경우 결합의 식별자(key)는 월(month) 로 한다. 데이터프레임 sales 는 month 가 동일한 행이 여러 개가 있다. 따라서 결합하는 경우 기준이 되는 데이처프레임을 sales 로 지정한다 (how='left')

sales2 = pd.merge(sales, month_sales, on='month', how='left' )
sales2
company month monitor phone total month_total
0 A 1 22 79 101 294
1 A 2 21 94 115 269
2 A 3 31 64 95 285
3 A 4 24 67 91 232
4 A 5 25 75 100 348
5 A 6 36 45 81 259
6 B 1 31 65 96 294
7 B 2 23 34 57 269
8 B 3 34 54 88 285
9 B 4 21 32 53 232
10 B 5 29 87 116 348
11 B 6 34 65 99 259
12 C 1 41 56 97 294
13 C 2 32 65 97 269
14 C 3 26 76 102 285
15 C 4 23 65 88 232
16 C 5 43 89 132 348
17 C 6 34 45 79 259

  1. 각 대리점별 월 매출액 total 을 월별 총매출액 month_total 로 나누어 점유율 share 생성

sales2['share'] =  (sales2.total / sales2.month_total)*100

sales2
company month monitor phone total month_total share
0 A 1 22 79 101 294 34.353741
1 A 2 21 94 115 269 42.750929
2 A 3 31 64 95 285 33.333333
3 A 4 24 67 91 232 39.224138
4 A 5 25 75 100 348 28.735632
5 A 6 36 45 81 259 31.274131
6 B 1 31 65 96 294 32.653061
7 B 2 23 34 57 269 21.189591
8 B 3 34 54 88 285 30.877193
9 B 4 21 32 53 232 22.844828
10 B 5 29 87 116 348 33.333333
11 B 6 34 65 99 259 38.223938
12 C 1 41 56 97 294 32.993197
13 C 2 32 65 97 269 36.059480
14 C 3 26 76 102 285 35.789474
15 C 4 23 65 88 232 37.931034
16 C 5 43 89 132 348 37.931034
17 C 6 34 45 79 259 30.501931

  1. 월별로 점유율이 큰 대리점부터 정렬

sales2.sort_values(by = ['month', 'share'], ascending=[True, False])
company month monitor phone total month_total share
0 A 1 22 79 101 294 34.353741
12 C 1 41 56 97 294 32.993197
6 B 1 31 65 96 294 32.653061
1 A 2 21 94 115 269 42.750929
13 C 2 32 65 97 269 36.059480
7 B 2 23 34 57 269 21.189591
14 C 3 26 76 102 285 35.789474
2 A 3 31 64 95 285 33.333333
8 B 3 34 54 88 285 30.877193
3 A 4 24 67 91 232 39.224138
15 C 4 23 65 88 232 37.931034
9 B 4 21 32 53 232 22.844828
16 C 5 43 89 132 348 37.931034
10 B 5 29 87 116 348 33.333333
4 A 5 25 75 100 348 28.735632
11 B 6 34 65 99 259 38.223938
5 A 6 36 45 81 259 31.274131
17 C 6 34 45 79 259 30.501931