[Pandas 기초] 4. DataFrame 집계

Python Library 중 하나인 Pandas에서 DataFrame을 집계하는 방법을 알아보자.

• 상세 데이터가 아닌 집계된 데이터에 대한 분석을 자주 요구하니 익숙해져야 할 내용임.
• sum(), mean(), max(), min(), count() 메소드를 사용해 지정한 열 또는 열들을 기준으로 집계한다.

Groupby

• df.groupby(['집계기준변수'], as_index=)['집계대상변수'].집계함수
  • 집계기준변수 : ~~별에 해당되는 변수 혹은 리스트. 범주형 변수 (ex: 월 별, 지역 별 등)
  • 집계대상변수 : 집계함수로 집계할 변수 혹은 리스트. (ex: 매출액 합계)
• as_index = True (Default)
  • 집계기준변수를 인덱스로 사용

# 데이터 읽어오기
path = 'https://raw.githubusercontent.com/DA4BAM/dataset/master/Attrition_simple2.CSV'
data = pd.read_csv(path)  

# 상위 5개 확인
data.head(5)

	Attrition	Age	DistanceFromHome	EmployeeNumber	Gender	JobSatisfaction	MaritalStatus	MonthlyIncome	OverTime	PercentSalaryHike	TotalWorkingYears
0	0	33	7	817	Male	3	Married	11691	No	11	14
1	0	35	18	1412	Male	4	Single	9362	No	11	10
2	0	42	6	1911	Male	1	Married	13348	No	13	18
3	0	46	2	1204	Female	1	Married	17048	No	23	28
4	1	22	4	593	Male	3	Single	3894	No	16	4

열 하나 집계

# MonthlyIncome 합계
data['MonthlyIncome'].sum()

7798045

# MonthlyIncome, TotalWorkingYears 각각의 평균
data[['MonthlyIncome', 'TotalWorkingYears']].mean()

MonthlyIncome        6520.104515
TotalWorkingYears      11.330268
dtype: float64

# MaritalStatus 별 Age 평균 --> 시리즈
data.groupby('MaritalStatus', as_index=True)['Age'].mean()

MaritalStatus
Divorced    37.522727
Married     37.704380
Single      35.460938
Name: Age, dtype: float64

# MaritalStatus 별 Age 평균 --> 데이터프레임
data.groupby('MaritalStatus', as_index=True)[['Age']].mean()

	Age
MaritalStatus
Divorced	37.522727
Married	37.704380
Single	35.460938

# MaritalStatus 별 Age 평균 --> 데이터프레임
data.groupby('MaritalStatus', as_index=False)[['Age']].mean()

	MaritalStatus	Age
0	Divorced	37.522727
1	Married	37.704380
2	Single	35.460938

data_mean = data.groupby('MaritalStatus', as_index=False)[['Age']].mean()

# 확인
data_mean

	MaritalStatus	Age
0	Divorced	37.522727
1	Married	37.704380
2	Single	35.460938

여러 열 집계

data_mean = data.groupby('MaritalStatus', as_index=False)[['Age','MonthlyIncome']].mean()

# 확인
data_mean

	MaritalStatus	Age	MonthlyIncome
0	Divorced	37.522727	6707.018939
1	Married	37.704380	6880.144161
2	Single	35.460938	5877.794271

• sum() 메소드 앞에 아무 열도 지정하지 않으면 기준열 이외의 모든 열에 대한 집계가 수행됩니다.

data_sum = data.groupby('MaritalStatus', as_index=False).sum()

# 확인
data_sum

	MaritalStatus	Attrition	Age	DistanceFromHome	EmployeeNumber	JobSatisfaction	MonthlyIncome	PercentSalaryHike	TotalWorkingYears
0	Divorced	23	9906	2404	266305	716	1770653	3958	3106
1	Married	69	20662	5295	584446	1468	3770319	8431	6470
2	Single	103	13617	3374	387862	1065	2257073	5852	3975

• by=[‘feature1’, ‘feature2’] 과 같이 집계 기준 열을 여럿 설정할 수도 있습니다.

# 'MaritalStatus', 'Gender'별 나머지 열들 평균 조회
data_sum = data.groupby(['MaritalStatus', 'Gender'], as_index=False)[['Age','MonthlyIncome']].mean()

# 확인
data_sum

	MaritalStatus	Gender	Age	MonthlyIncome
0	Divorced	Female	37.010526	6626.315789
1	Divorced	Male	37.810651	6752.384615
2	Married	Female	38.774194	7301.493088
3	Married	Male	37.003021	6603.912387
4	Single	Female	35.261146	5963.445860
5	Single	Male	35.599119	5818.555066

Aggregation

• df.groupby( ).agg([‘함수1’,’함수2’, …])
• 여러 함수로 한꺼번에 집계
• as_index 예외 : .agg()를 사용하면 as_index = False 해도, ~~별 칼럼이 인덱스로 들어간다.

data_agg = data.groupby('MaritalStatus', as_index=False)[['MonthlyIncome']].agg(['min','max','mean'])
# 확인
data_agg

	MonthlyIncome
	min	max	mean
MaritalStatus
Divorced	1129	19973	6707.018939
Married	1052	19999	6880.144161
Single	1009	19926	5877.794271