[Pandas] 판다스 - DataFrame을 정렬, 집계, 그룹하는 방법

이번 포스트에서는 DataFrame을 정렬, 집계, group by하는 방법을 알아보자.

import numpy as np
import pandas as pd

titanic_df = pd.read_csv('titanic_train.csv')

 

캐글(kaggle)에서 사용되는 연습 데이터셋인 타이타닉(titanic) 데이터를 이용한다. 

타이타닉 데이터셋 다운 및 자세한 내용은 다음 포스트를 참고하면 된다.

https://data-flower.tistory.com/9?category=949030 

[Pandas] 판다스 - 파일을 DataFrame으로 불러오기, 기본 API

 

---

DataFrame, Series 정렬 - sort_values( )

• DataFrame.sort_values( )

DataFrame과 Series의 정렬을 위해서는 sort_values( ) 메서드를 이용한다.

sort_values( )의 주요 입력 파라미터는 by, ascending, inplace이다.

1. by로 특정 칼럼을 입력하면 해당 칼럼으로 정렬을 수행한다.
2. ascending = True로 설정하면 오름차순 정렬, ascending = False로 설정하면 내림차순 정렬한다.
3. inplace = False로 설정하면 sort_values( )를 호출한 DataFrame은 그대로 유지하며 정렬된 DataFrame을 결과로 반환한다. 반대로 inplace = True로 설정하면 호출한 DataFrame의 정렬 결과를 그대로 적용한다.

 

• 한 개의 컬럼으로 정렬

다음은 titanic_df를 Name 칼럼으로 오름차순 정렬해 반환한 것이다.

titanic_df_sort = titanic_df.sort_values(by=['Name'], ascending = True)
print(titanic_df_sort.head(3))

 

[Output]

Name 칼럼을 오름차순 정렬한 데이터셋

 

• 여러 개의 칼럼으로 정렬

여러 개의 칼럼으로 정렬하려면 by에 리스트 형식으로 정렬하려는 칼럼을 입력하면 된다. Pclass와 Name을 내림차순으로 정렬한 결과를 반환해보자. 첫 번째로 'Pclass' 칼럼 내림차순 정렬하고, 그다음으로 'Name' 칼럼을 내림차순 정렬한다.

titanic_df.sort_values(by=['Pclass', 'Name'], ascending=False)

 

[Output]

'Pclass' 칼럼 내림차순 정렬 후 'Name' 칼럼 내림차순 정렬된 모습

 

---

집계 - Aggregation 함수

• DataFrame.min( )
• DataFrame.max( )
• DataFrame.sum( )
• DataFrame.count( )

모든 칼럼의 데이터 개수를 count로 구해보자. 여기서 NaN값은 count에서 제외된다.

titanic_df.count()

 

[Output]

NaN값은 count에서 제외

 

특정 칼럼들로 집계 함수를 수행해볼 것이다. 다음은 타이타닉 탑승자의 나이와 요금의 평균을 구한 것이다.

titanic_df[['Age', 'Fare']].mean(axis=0)

 

[Output]

     Age 평균: 29.6      Fare 평균: 32.2

 

---

groupby( )

• DataFrame.groupby( )

Group By 하고자 하는 컬럼을 입력한다. 여러 개의 칼럼으로 Group by 하고자 하면 [ ] 내에 해당 칼럼명을 입력한다. DataFrame에 groupby( )를 호출하면 DataFrameGroupBy 객체를 반환하게 된다.

 

다음은 Pclass 칼럼을 기준으로 데이터 개수를 계산한 것이다.

titanic_groupby = titanic_df.groupby('Pclass').count()
titanic_groupby

 

[Output]

Pclass별 데이터 개수

 

Pclass를 기준으로 PassengerId와 Survived 칼럼만 데이터 개수를 세어보자.

titanic_groupby = titanic_df.groupby(by='Pclass')[['PassengerId', 'Survived']].count()
titanic_groupby

 

[Output]

Pclass별 특정칼럼의 개수

 

pandas는 여러 개의 집계(Aggregation) 함수를 적용할 수 있도록 agg( ) 함수를 제공하고 있다.

다음은 Pclass별 나이 칼럼 데이터를 추출하되, Pclass별 나이의 최댓값과 최솟값을 추출한 데이터이다.

titanic_df.groupby('Pclass')['Age'].agg([max, min])

 

[Output]

Pclass별 나이의 최댓값과 최솟값

 

 

판다스 데이터프레임 정렬하는 법

 

Reference

---

https://github.com/chulminkw/PerfectGuide

https://www.inflearn.com/course/%ED%8C%8C%EC%9D%B4%EC%8D%AC-%EB%A8%B8%EC%8B%A0%EB%9F%AC%EB%8B%9D-%EC%99%84%EB%B2%BD%EA%B0%80%EC%9D%B4%EB%93%9C