2.5. 데이터프레임의 결합#

데이터를 이용하여 분석을 하는 경우 사용할 자료가 두 개 이상이 경우는 매우 흔한 일이다. 실제로 데이터 분석에서 하나의 자료만 가지고 수행하는 일은 매우 드물다. 이 절에서는 여러 개의 자료를 사용하는 경우 두 개의 자료를 서로 결합하여 새로운 자료를 만드는 것을 실습한다. 살펴 볼 내용은 다음과 같다.

  • 데이터의 결합

  • 식별자의 불일치

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

간단한 예제#

두 개의 데이터프레임 df1 과 df2 가 다음과 같이 주어졌다고 하자.

df1 = pd.DataFrame({
    "name" : ["철수", "영이", "John"],
    "age"  : [23, 34, 19]
})
df1
name age
0 철수 23
1 영이 34
2 John 19 
df2 = pd.DataFrame({
    "name" : ["철수", "영이", "John"],
    "sex"  : ["M", "F", "M"]
})
df2
name sex
0 철수 M
1 영이 F
2 John M

데이터프레임 df1 과 df2 에는 같은 이름을 가지는 열 name 이 있다. 우리는 두 개의 데이터프레임을 합쳐서 나이(age)와 성(sex) 이 모두 포함된 새로운 데이터프레임을 만들려고 한다.

이렇게 공통으로 포함된 열의 정보를 이용하여 두 개의 데이터프레임을 결합하려면 pandas 라이브러리의 merge() 함수 를 이용한다.

  • merge() 함수의 첫 번째(왼쪽)와 두 번째 인자(오른쪽)에는 결합할 데이터프레임의 이름을 넣어준다.

  • 앞에 pd. 를 붙여서 pd.merge() 로 사용하는 것은 함수 merge() 가 pandas 라이브러리에 있다는 것을 알려준다.

  • 선택문 on= 에 두 데이터프레임에 결합의 기준이 되는 열이름을 문자열로 지정해준다. 결합의 기준으로 사용되는 열이름은 두 개의 데이터프레임에 모두 존재해야 한다.

  • 자료의 결합에 사용되는 공통으로 포함된 열의 내용을 식별자(key, identifier,..) 라고 부른다. 이 예제에서 식별자는 사람의 이름이다.

다음 코드의 결과를 먼저 보자.

pd.merge(df1, df2, on="name")
name age sex
0 철수 23 M
1 영이 34 F
2 John 19 M

두 개의 데이터프레임이 지정된 열 name 에 의하여 결합되어 나이(age)와 성(sex)이 같이 나타나게 된다.

식별자의 불일치#

만약 두 개의 데이터프레임에 있는 식별자에 포함된 자료가 다르면 어떻게 될까?

다음과 같이 John 의 자료가 빠져 있는 데이터프레임 df3을 df1 과 결합해 보자.

df3 = pd.DataFrame({
    "name" : ["철수", "영이"],
    "weight"  : [55, 44]
})
df3
name weight
0 철수 55
1 영이 44 
pd.merge(df1, df3, on="name")
name age weight
0 철수 23 55
1 영이 34 44

위의 결과에서 John 의 자료가 사라져 버렸다. 물론 몸무게 값이 없는 John 의 자료가 필요없을 수도 있지만 많은 경우 자료를 유지해야 한다.

이렇게 식별자의 항목이 다른 경우, 결합의 기준이 되는 식별자를 데이터프레임의 위치로 지정할 수 있다. 위에서 함수 merge()를 설명할 때 사용되는 데이터프레임의 위치에 따라서 왼쪽 (첫 번째 인자) 과 오른쪽 (두 번째 인자)으로 나타냈다.

pd.merge(left_df, right_df, on="name", how="inner")

  • how='left' : 식별자는 왼쪽 데이터프레임에만 있는 것으로 선택

  • how='right' : 식별자는 오른쪽 데이터프레임에만 있는 것으로 선택

  • how='inner' : 식별자는 두 데이터프레임에 공통인 것으로 선택

  • how='outer' : 식별자는 두 데이터프레임에 나타난 모든 것으로 선택

식별자를 선택하는 선택명령문 how= 을 지정하지 않으면 자동으로 how='inner' 이 지정된다.

merge

이제 결합시 기준이 되는 식별자가 왼쪽에 있는 데이터프레임 df1 에 있다는 것을 선택명령문 how='left' 로 알려주자.

pd.merge(df1, df3, on="name", how='left')
name age weight
0 철수 23 55.0
1 영이 34 44.0
2 John 19 NaN

이제 John 의 자료가 나타나고 John 의 키는 결측값(NaN) 으로 표시된다.

만약 두 개의 식별자에 서로 다른 내용이 나타나면 어떻게 될까?

이제 새로운 사람 흥민의 자료를 가진 데이터프레임 df4를 df1 과 결합하는 예를 살펴보자. 아래 코드에서 선택명령문 how= 에 지정된 문자열에 따라서 결합의 결과가 어떻게 다른지 보자.

df4 = pd.DataFrame({
    "name" : ["철수", "영이", "흥민"],
    "height"  : [167, 175, 183]
})
df4
name height
0 철수 167
1 영이 175
2 흥민 183 
pd.merge(df1, df4, on="name", how='left')  # 식별자는 왼쪽 데이터프레임에만 있는 것으로
name age height
0 철수 23 167.0
1 영이 34 175.0
2 John 19 NaN 
pd.merge(df1, df4, on="name", how='right') # 식별자는 오른쪽 데이터프레임만 있는 것으로
name age height
0 철수 23.0 167
1 영이 34.0 175
2 흥민 NaN 183 
pd.merge(df1, df4, on="name", how='inner') # 식별자는 두 데이터프레임에 공통인 것
name age height
0 철수 23 167
1 영이 34 175 
pd.merge(df1, df4, on="name", how='outer')  # 식별자는 두 데이터프레임의 모든 것
name age height
0 철수 23.0 167.0
1 영이 34.0 175.0
2 John 19.0 NaN
3 흥민 NaN 183.0

화재출동 데이터와 화재원인 데이터의 결합#

이번에는 화재출동 데이터 (fire_calling_summary.csv)와 화재원인 데이터 (fire_reason_summary.csv) 을 결합하는 작업을 해보려고 한다. 2017년부터 2021년의 5년간 서울시 5개 구별 (강동구, 강서구, 강남구, 강북구, 관악구) 정보가 있습니다.

df1 = pd.read_csv("https://uos-bigdata.github.io/lab_data/docs/assets/data_lab_fire/fire_calling_summary.csv", encoding = 'cp949')
df1
화재발생연도 시군구 사망자수 재산피해금액 출동횟수
0 2017 강남구 0.0 1565258 502
1 2017 강동구 0.0 418593 269
2 2017 강북구 0.0 339146 186
3 2017 강서구 3.0 706871 364
4 2017 관악구 3.0 654690 286
5 2018 강남구 0.0 1624983 436
6 2018 강동구 4.0 540625 324
7 2018 강북구 4.0 216838 203
8 2018 강서구 2.0 393401 383
9 2018 관악구 1.0 816562 337
10 2019 강남구 1.0 1677681 456
11 2019 강동구 1.0 533359 254
12 2019 강북구 1.0 217805 167
13 2019 강서구 0.0 666297 331
14 2019 관악구 3.0 654586 311
15 2020 강남구 1.0 1451556 387
16 2020 강동구 3.0 363839 221
17 2020 강북구 1.0 208380 186
18 2020 강서구 3.0 200966 212
19 2020 관악구 2.0 646149 219
20 2021 강남구 2.0 1354949 391
21 2021 강동구 1.0 346741 211
22 2021 강북구 5.0 410205 146
23 2021 강서구 2.0 559614 223
24 2021 관악구 2.0 562294 259 
df2 = pd.read_csv("https://uos-bigdata.github.io/lab_data/docs/assets/data_lab_fire/fire_reason_summary.csv", encoding = 'cp949')
df2
연도 시군구명 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2017 강남구 185 35 39 150 80
1 2017 강서구 144 26 22 88 80
2 2017 강동구 113 24 14 71 32
3 2017 강북구 100 11 9 42 23
4 2017 관악구 111 37 14 68 51
5 2018 강남구 216 32 24 131 29
6 2018 강서구 231 24 17 89 19
7 2018 강동구 174 14 15 87 32
8 2018 강북구 123 14 7 46 7
9 2018 관악구 209 30 21 71 3
10 2019 강남구 202 20 20 158 52
11 2019 강서구 147 22 19 81 38
12 2019 강동구 132 17 8 73 24
13 2019 강북구 100 15 6 38 5
14 2019 관악구 187 34 12 60 16
15 2020 강남구 167 21 21 151 23
16 2020 강서구 78 15 18 63 27
17 2020 강동구 132 12 9 49 14
18 2020 강북구 120 17 5 35 8
19 2020 관악구 116 19 14 62 7
20 2021 강남구 180 30 13 146 19
21 2021 강서구 113 17 13 55 19
22 2021 강동구 111 19 13 59 6
23 2021 강북구 76 12 5 38 12
24 2021 관악구 166 27 9 53 2

먼저 결합의 기준으로 삼을 열을 결정해야 한다. 우리의 데이터로는 연도와 시군구가 있다.

그런데 첫 번째 데이터에는 열 이름이 화재발생연도, 시군구라고 되어있고, 두 번째 데이터에는 연도와 시군구명으로 저장되어 있다. 데이터를 결합할 때에는 두 데이터의 기준 열 이름을 동일하게 맞춰주어야 한다. 따라서 첫 번째 데이터의 열 이름을 두 번째 데이터의 열 이름과 동일하게 바꿔주자.

df1.columns

Index(['화재발생연도', '시군구', '사망자수', '재산피해금액', '출동횟수'], dtype='object')

df1.columns = ['연도', '시군구명', '사망자수', '재산피해금액', '출동횟수']
df1
연도 시군구명 사망자수 재산피해금액 출동횟수
0 2017 강남구 0.0 1565258 502
1 2017 강동구 0.0 418593 269
2 2017 강북구 0.0 339146 186
3 2017 강서구 3.0 706871 364
4 2017 관악구 3.0 654690 286
5 2018 강남구 0.0 1624983 436
6 2018 강동구 4.0 540625 324
7 2018 강북구 4.0 216838 203
8 2018 강서구 2.0 393401 383
9 2018 관악구 1.0 816562 337
10 2019 강남구 1.0 1677681 456
11 2019 강동구 1.0 533359 254
12 2019 강북구 1.0 217805 167
13 2019 강서구 0.0 666297 331
14 2019 관악구 3.0 654586 311
15 2020 강남구 1.0 1451556 387
16 2020 강동구 3.0 363839 221
17 2020 강북구 1.0 208380 186
18 2020 강서구 3.0 200966 212
19 2020 관악구 2.0 646149 219
20 2021 강남구 2.0 1354949 391
21 2021 강동구 1.0 346741 211
22 2021 강북구 5.0 410205 146
23 2021 강서구 2.0 559614 223
24 2021 관악구 2.0 562294 259

데이터프레임 df1 과 df2 에는 같은 이름을 가지는 열 연도 와 시군구명 이 있다. 우리는 두 개의 데이터프레임을 합쳐 출동현황과 화재원인이 모두 포함된 새로운 데이터프레임을 만들 것이다.

pd.merge(df1, df2, on=["연도","시군구명"])
연도 시군구명 사망자수 재산피해금액 출동횟수 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2017 강남구 0.0 1565258 502 185 35 39 150 80
1 2017 강동구 0.0 418593 269 113 24 14 71 32
2 2017 강북구 0.0 339146 186 100 11 9 42 23
3 2017 강서구 3.0 706871 364 144 26 22 88 80
4 2017 관악구 3.0 654690 286 111 37 14 68 51
5 2018 강남구 0.0 1624983 436 216 32 24 131 29
6 2018 강동구 4.0 540625 324 174 14 15 87 32
7 2018 강북구 4.0 216838 203 123 14 7 46 7
8 2018 강서구 2.0 393401 383 231 24 17 89 19
9 2018 관악구 1.0 816562 337 209 30 21 71 3
10 2019 강남구 1.0 1677681 456 202 20 20 158 52
11 2019 강동구 1.0 533359 254 132 17 8 73 24
12 2019 강북구 1.0 217805 167 100 15 6 38 5
13 2019 강서구 0.0 666297 331 147 22 19 81 38
14 2019 관악구 3.0 654586 311 187 34 12 60 16
15 2020 강남구 1.0 1451556 387 167 21 21 151 23
16 2020 강동구 3.0 363839 221 132 12 9 49 14
17 2020 강북구 1.0 208380 186 120 17 5 35 8
18 2020 강서구 3.0 200966 212 78 15 18 63 27
19 2020 관악구 2.0 646149 219 116 19 14 62 7
20 2021 강남구 2.0 1354949 391 180 30 13 146 19
21 2021 강동구 1.0 346741 211 111 19 13 59 6
22 2021 강북구 5.0 410205 146 76 12 5 38 12
23 2021 강서구 2.0 559614 223 113 17 13 55 19
24 2021 관악구 2.0 562294 259 166 27 9 53 2

두 개의 데이터프레임이 지정된 열 연도와 시군구명 에 의하여 결합되어 나타나게 된다.

만약 두 개의 데이터프레임에 있는 식별자에 포함된 자료가 다르면 어떻게 될까? 다음 상황을 고려해보자.

  • 2017년도 의 자료가 빠져 있는 데이터프레임 df1_no2017을 새로 만들자.

  • df2 과 결합해 보자.

df1_no2017 = df1[df1['연도'] != 2017]
df1_no2017
연도 시군구명 사망자수 재산피해금액 출동횟수
5 2018 강남구 0.0 1624983 436
6 2018 강동구 4.0 540625 324
7 2018 강북구 4.0 216838 203
8 2018 강서구 2.0 393401 383
9 2018 관악구 1.0 816562 337
10 2019 강남구 1.0 1677681 456
11 2019 강동구 1.0 533359 254
12 2019 강북구 1.0 217805 167
13 2019 강서구 0.0 666297 331
14 2019 관악구 3.0 654586 311
15 2020 강남구 1.0 1451556 387
16 2020 강동구 3.0 363839 221
17 2020 강북구 1.0 208380 186
18 2020 강서구 3.0 200966 212
19 2020 관악구 2.0 646149 219
20 2021 강남구 2.0 1354949 391
21 2021 강동구 1.0 346741 211
22 2021 강북구 5.0 410205 146
23 2021 강서구 2.0 559614 223
24 2021 관악구 2.0 562294 259 
pd.merge(df1_no2017, df2, on=["연도","시군구명"])
연도 시군구명 사망자수 재산피해금액 출동횟수 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2018 강남구 0.0 1624983 436 216 32 24 131 29
1 2018 강동구 4.0 540625 324 174 14 15 87 32
2 2018 강북구 4.0 216838 203 123 14 7 46 7
3 2018 강서구 2.0 393401 383 231 24 17 89 19
4 2018 관악구 1.0 816562 337 209 30 21 71 3
5 2019 강남구 1.0 1677681 456 202 20 20 158 52
6 2019 강동구 1.0 533359 254 132 17 8 73 24
7 2019 강북구 1.0 217805 167 100 15 6 38 5
8 2019 강서구 0.0 666297 331 147 22 19 81 38
9 2019 관악구 3.0 654586 311 187 34 12 60 16
10 2020 강남구 1.0 1451556 387 167 21 21 151 23
11 2020 강동구 3.0 363839 221 132 12 9 49 14
12 2020 강북구 1.0 208380 186 120 17 5 35 8
13 2020 강서구 3.0 200966 212 78 15 18 63 27
14 2020 관악구 2.0 646149 219 116 19 14 62 7
15 2021 강남구 2.0 1354949 391 180 30 13 146 19
16 2021 강동구 1.0 346741 211 111 19 13 59 6
17 2021 강북구 5.0 410205 146 76 12 5 38 12
18 2021 강서구 2.0 559614 223 113 17 13 55 19
19 2021 관악구 2.0 562294 259 166 27 9 53 2

위의 결과에서 2017년도 의 자료가 사라져 버린 것을 확인할 수 있다. 물론 2017년도의 자료가 필요없을 수도 있지만 많은 경우 자료를 유지해야 한다.

이제 how 옵션을 바꾸어 결합 시 기준이 되는 식별자에 조건을 바꾸어보자. 먼저 결합시 기준이 되는 식별자가 오른쪽에 있는 데이터프레임 df1 에 있다는 것을 선택명령문 how='right' 로 알려주자.

pd.merge(df1_no2017, df2, on=["연도","시군구명"], how='right')
연도 시군구명 사망자수 재산피해금액 출동횟수 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2017 강남구 NaN NaN NaN 185 35 39 150 80
1 2017 강서구 NaN NaN NaN 144 26 22 88 80
2 2017 강동구 NaN NaN NaN 113 24 14 71 32
3 2017 강북구 NaN NaN NaN 100 11 9 42 23
4 2017 관악구 NaN NaN NaN 111 37 14 68 51
5 2018 강남구 0.0 1624983.0 436.0 216 32 24 131 29
6 2018 강서구 2.0 393401.0 383.0 231 24 17 89 19
7 2018 강동구 4.0 540625.0 324.0 174 14 15 87 32
8 2018 강북구 4.0 216838.0 203.0 123 14 7 46 7
9 2018 관악구 1.0 816562.0 337.0 209 30 21 71 3
10 2019 강남구 1.0 1677681.0 456.0 202 20 20 158 52
11 2019 강서구 0.0 666297.0 331.0 147 22 19 81 38
12 2019 강동구 1.0 533359.0 254.0 132 17 8 73 24
13 2019 강북구 1.0 217805.0 167.0 100 15 6 38 5
14 2019 관악구 3.0 654586.0 311.0 187 34 12 60 16
15 2020 강남구 1.0 1451556.0 387.0 167 21 21 151 23
16 2020 강서구 3.0 200966.0 212.0 78 15 18 63 27
17 2020 강동구 3.0 363839.0 221.0 132 12 9 49 14
18 2020 강북구 1.0 208380.0 186.0 120 17 5 35 8
19 2020 관악구 2.0 646149.0 219.0 116 19 14 62 7
20 2021 강남구 2.0 1354949.0 391.0 180 30 13 146 19
21 2021 강서구 2.0 559614.0 223.0 113 17 13 55 19
22 2021 강동구 1.0 346741.0 211.0 111 19 13 59 6
23 2021 강북구 5.0 410205.0 146.0 76 12 5 38 12
24 2021 관악구 2.0 562294.0 259.0 166 27 9 53 2

이제 2017년도 의 자료가 나타나고 2017년도 의 화재 원인 부분이 결측값(NaN) 으로 표시된다.

만약 두 개의 식별자에 서로 다른 내용이 나타나면 어떻게 될까? 다음과 같이 서로 다른 연도를 가진 데이터를 결합해보자.

  • 2017~2020년도의 자료를 가진 데이터프레임 df2_no2021를 새로 만든다.

  • 2018~2021년도의 자료를 가진 데이터프레임df1_no2017과 결합한다.

아래 코드에서 선택명령문 how= 에 지정된 문자열에 따라서 결합의 결과가 어떻게 다른지 확인한다.

df2_no2021 = df2[df2['연도'] != 2021]
df2_no2021
연도 시군구명 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2017 강남구 185 35 39 150 80
1 2017 강서구 144 26 22 88 80
2 2017 강동구 113 24 14 71 32
3 2017 강북구 100 11 9 42 23
4 2017 관악구 111 37 14 68 51
5 2018 강남구 216 32 24 131 29
6 2018 강서구 231 24 17 89 19
7 2018 강동구 174 14 15 87 32
8 2018 강북구 123 14 7 46 7
9 2018 관악구 209 30 21 71 3
10 2019 강남구 202 20 20 158 52
11 2019 강서구 147 22 19 81 38
12 2019 강동구 132 17 8 73 24
13 2019 강북구 100 15 6 38 5
14 2019 관악구 187 34 12 60 16
15 2020 강남구 167 21 21 151 23
16 2020 강서구 78 15 18 63 27
17 2020 강동구 132 12 9 49 14
18 2020 강북구 120 17 5 35 8
19 2020 관악구 116 19 14 62 7 
pd.merge(df1_no2017, df2_no2021, on=["연도","시군구명"], how='left')  # 식별자는 왼쪽 데이터프레임에만 있는 것으로
연도 시군구명 사망자수 재산피해금액 출동횟수 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2018 강남구 0.0 1624983 436 216.0 32.0 24.0 131.0 29.0
1 2018 강동구 4.0 540625 324 174.0 14.0 15.0 87.0 32.0
2 2018 강북구 4.0 216838 203 123.0 14.0 7.0 46.0 7.0
3 2018 강서구 2.0 393401 383 231.0 24.0 17.0 89.0 19.0
4 2018 관악구 1.0 816562 337 209.0 30.0 21.0 71.0 3.0
5 2019 강남구 1.0 1677681 456 202.0 20.0 20.0 158.0 52.0
6 2019 강동구 1.0 533359 254 132.0 17.0 8.0 73.0 24.0
7 2019 강북구 1.0 217805 167 100.0 15.0 6.0 38.0 5.0
8 2019 강서구 0.0 666297 331 147.0 22.0 19.0 81.0 38.0
9 2019 관악구 3.0 654586 311 187.0 34.0 12.0 60.0 16.0
10 2020 강남구 1.0 1451556 387 167.0 21.0 21.0 151.0 23.0
11 2020 강동구 3.0 363839 221 132.0 12.0 9.0 49.0 14.0
12 2020 강북구 1.0 208380 186 120.0 17.0 5.0 35.0 8.0
13 2020 강서구 3.0 200966 212 78.0 15.0 18.0 63.0 27.0
14 2020 관악구 2.0 646149 219 116.0 19.0 14.0 62.0 7.0
15 2021 강남구 2.0 1354949 391 NaN NaN NaN NaN NaN
16 2021 강동구 1.0 346741 211 NaN NaN NaN NaN NaN
17 2021 강북구 5.0 410205 146 NaN NaN NaN NaN NaN
18 2021 강서구 2.0 559614 223 NaN NaN NaN NaN NaN
19 2021 관악구 2.0 562294 259 NaN NaN NaN NaN NaN 
pd.merge(df1_no2017, df2_no2021, on=["연도","시군구명"], how='right') # 식별자는 오른쪽 데이터프레임만 있는 것으로
연도 시군구명 사망자수 재산피해금액 출동횟수 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2017 강남구 NaN NaN NaN 185 35 39 150 80
1 2017 강서구 NaN NaN NaN 144 26 22 88 80
2 2017 강동구 NaN NaN NaN 113 24 14 71 32
3 2017 강북구 NaN NaN NaN 100 11 9 42 23
4 2017 관악구 NaN NaN NaN 111 37 14 68 51
5 2018 강남구 0.0 1624983.0 436.0 216 32 24 131 29
6 2018 강서구 2.0 393401.0 383.0 231 24 17 89 19
7 2018 강동구 4.0 540625.0 324.0 174 14 15 87 32
8 2018 강북구 4.0 216838.0 203.0 123 14 7 46 7
9 2018 관악구 1.0 816562.0 337.0 209 30 21 71 3
10 2019 강남구 1.0 1677681.0 456.0 202 20 20 158 52
11 2019 강서구 0.0 666297.0 331.0 147 22 19 81 38
12 2019 강동구 1.0 533359.0 254.0 132 17 8 73 24
13 2019 강북구 1.0 217805.0 167.0 100 15 6 38 5
14 2019 관악구 3.0 654586.0 311.0 187 34 12 60 16
15 2020 강남구 1.0 1451556.0 387.0 167 21 21 151 23
16 2020 강서구 3.0 200966.0 212.0 78 15 18 63 27
17 2020 강동구 3.0 363839.0 221.0 132 12 9 49 14
18 2020 강북구 1.0 208380.0 186.0 120 17 5 35 8
19 2020 관악구 2.0 646149.0 219.0 116 19 14 62 7 
pd.merge(df1_no2017, df2_no2021, on=["연도","시군구명"], how='inner') # 식별자는 두 데이터프레임에 공통인 것
연도 시군구명 사망자수 재산피해금액 출동횟수 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2018 강남구 0.0 1624983 436 216 32 24 131 29
1 2018 강동구 4.0 540625 324 174 14 15 87 32
2 2018 강북구 4.0 216838 203 123 14 7 46 7
3 2018 강서구 2.0 393401 383 231 24 17 89 19
4 2018 관악구 1.0 816562 337 209 30 21 71 3
5 2019 강남구 1.0 1677681 456 202 20 20 158 52
6 2019 강동구 1.0 533359 254 132 17 8 73 24
7 2019 강북구 1.0 217805 167 100 15 6 38 5
8 2019 강서구 0.0 666297 331 147 22 19 81 38
9 2019 관악구 3.0 654586 311 187 34 12 60 16
10 2020 강남구 1.0 1451556 387 167 21 21 151 23
11 2020 강동구 3.0 363839 221 132 12 9 49 14
12 2020 강북구 1.0 208380 186 120 17 5 35 8
13 2020 강서구 3.0 200966 212 78 15 18 63 27
14 2020 관악구 2.0 646149 219 116 19 14 62 7 
pd.merge(df1_no2017, df2_no2021, on=["연도","시군구명"], how='outer')  # 식별자는 두 데이터프레임의 모든 것
연도 시군구명 사망자수 재산피해금액 출동횟수 작동기기 미상(발화원인) 불꽃/ 불티 담뱃불/ 라이터불 마찰/ 전도/ 복사
0 2018 강남구 0.0 1624983.0 436.0 216.0 32.0 24.0 131.0 29.0
1 2018 강동구 4.0 540625.0 324.0 174.0 14.0 15.0 87.0 32.0
2 2018 강북구 4.0 216838.0 203.0 123.0 14.0 7.0 46.0 7.0
3 2018 강서구 2.0 393401.0 383.0 231.0 24.0 17.0 89.0 19.0
4 2018 관악구 1.0 816562.0 337.0 209.0 30.0 21.0 71.0 3.0
5 2019 강남구 1.0 1677681.0 456.0 202.0 20.0 20.0 158.0 52.0
6 2019 강동구 1.0 533359.0 254.0 132.0 17.0 8.0 73.0 24.0
7 2019 강북구 1.0 217805.0 167.0 100.0 15.0 6.0 38.0 5.0
8 2019 강서구 0.0 666297.0 331.0 147.0 22.0 19.0 81.0 38.0
9 2019 관악구 3.0 654586.0 311.0 187.0 34.0 12.0 60.0 16.0
10 2020 강남구 1.0 1451556.0 387.0 167.0 21.0 21.0 151.0 23.0
11 2020 강동구 3.0 363839.0 221.0 132.0 12.0 9.0 49.0 14.0
12 2020 강북구 1.0 208380.0 186.0 120.0 17.0 5.0 35.0 8.0
13 2020 강서구 3.0 200966.0 212.0 78.0 15.0 18.0 63.0 27.0
14 2020 관악구 2.0 646149.0 219.0 116.0 19.0 14.0 62.0 7.0
15 2021 강남구 2.0 1354949.0 391.0 NaN NaN NaN NaN NaN
16 2021 강동구 1.0 346741.0 211.0 NaN NaN NaN NaN NaN
17 2021 강북구 5.0 410205.0 146.0 NaN NaN NaN NaN NaN
18 2021 강서구 2.0 559614.0 223.0 NaN NaN NaN NaN NaN
19 2021 관악구 2.0 562294.0 259.0 NaN NaN NaN NaN NaN
20 2017 강남구 NaN NaN NaN 185.0 35.0 39.0 150.0 80.0
21 2017 강서구 NaN NaN NaN 144.0 26.0 22.0 88.0 80.0
22 2017 강동구 NaN NaN NaN 113.0 24.0 14.0 71.0 32.0
23 2017 강북구 NaN NaN NaN 100.0 11.0 9.0 42.0 23.0
24 2017 관악구 NaN NaN NaN 111.0 37.0 14.0 68.0 51.0

요약#

두 개의 데이터프레임을 결합하는 경우 pandas 라이브러리의 함수 merge() 를 사용하며 식별자가 포함된 공통의 열은 on= 으로 지정한다. 결합의 방향을 how=로 지정한다.

함께해봅시다

  • 화재출동 데이터 (fire_call.csv)로 사망자수, 부상자수, 재산피해금액에 대한 연도와 시군구별 평균 데이터 call_summ를 만들어주세요.

  • 화재원인 데이터 (fire_reason.csv)로 작동기기, 불꽃/불티, 담뱃불/라이터불, 마찰/전도/복사에 대한 연도와 시군구별 평균을 데이터 reason_summ를 만들어주세요.

  • 두 요약 데이터 call_summ와 reason_summ를 연도와 시군구를 기준으로 결합하세요.

# import pandas as pd
# fire = pd.read_csv("https://uos-bigdata.github.io/lab_data/docs/assets/data_lab_fire/fire_calling.csv", encoding = 'cp949')
# reason = pd.read_csv("https://uos-bigdata.github.io/lab_data/docs/assets/data_lab_fire/fire_reason.csv")