[pandas] groupby를 이용한 조건부 통계

groupby를 활용한 조건부 통계¶

groupby는 조건부 통계량을 계산하기 위한 방법¶

분할, 적용, 결합의 3단계로 구성됨¶

사용 방법: df.groupby(분할 기준 컬럼)[적용 기준 칼럼].집계함수

주요입력: by:분할 기준 컬럼(목록)

as_index: 분할 기준 컬럼들을 인덱스로 사용할 것인지 여부 (default: True)

여러 개의 집계 함수나 사용자 정의 함수를 쓰고 싶다면 agg 함수를 사용해야 함

pivot_table과 groupby의 차이점¶

결과값은 pivot_table과 groupby는 동일함

그러나 출력 값의 형태에 차이가 있으므로 상황에 맞게 구별해 사용

pivot_table은 출력 결과 자체가 결과물인 경우, groupby는 중간 산출물로써 사용

pivot_table은 heatmap과 같은 시각화에 더 유리한 데이터 구조

In [2]:

import os
import pandas as pd
os.chdir(r"D:\bigdata\jupyter\data_preprocessing\1. 데이터 핸들링\데이터")

In [3]:

df = pd.read_csv("온라인_판매기록.csv", encoding="ANSI", engine='python')
df.head()

Out[3]:

	쇼핑몰	제품	수량	판매금액	쇼핑몰 유형
0	쿠팡	제품_16	8	1134400	쿠팡
1	쿠팡	제품_57	8	439200	쿠팡
2	쿠팡	제품_25	4	495200	쿠팡
3	쿠팡	제품_18	4	578000	쿠팡
4	쿠팡	제품_90	2	75000	쿠팡

쇼핑몰 유형에 따른 수량의 평균¶

In [7]:

# as_index를 False로 지정하지 않으면 '쇼핑몰 유형'은 인덱스로, 평균값은 시리즈 형태의 값으로 출력됨
df.groupby(['쇼핑몰 유형'])['수량'].mean()

Out[7]:

쇼핑몰 유형
동물병원      5.512889
온라인II     5.807143
온라인사이트    5.477670
유통대리점     5.493333
전시회       5.556701
쿠팡        5.396389
할인점       5.288525
할인점II     5.469565
Name: 수량, dtype: float64

쇼핑몰 유형에 따른 수량의 평균 as_index=False¶

In [6]:

# as_index=False로 하면 인덱스는 숫자로 들어감
df.groupby(['쇼핑몰 유형'], as_index=False)['수량'].mean()

Out[6]:

	쇼핑몰 유형	수량
0	동물병원	5.512889
1	온라인II	5.807143
2	온라인사이트	5.477670
3	유통대리점	5.493333
4	전시회	5.556701
5	쿠팡	5.396389
6	할인점	5.288525
7	할인점II	5.469565

쇼핑몰 유형에 따른 수량의 평균, 최대값¶

In [10]:

# mean과 max 두 개의 연산 함수를 사용하므로 agg를 써야 함
df.groupby(['쇼핑몰 유형'])[['수량','판매금액']].agg(['mean','max'])

Out[10]:

	수량		판매금액
	mean	max	mean	max
쇼핑몰 유형
동물병원	5.512889	10	439390.844444	1515000
온라인II	5.807143	10	475726.428571	1530000
온라인사이트	5.477670	10	454746.019417	1533000
유통대리점	5.493333	10	462627.384615	1530000
전시회	5.556701	10	447135.051546	1486000
쿠팡	5.396389	10	433447.802198	1533000
할인점	5.288525	10	427162.295082	1533000
할인점II	5.469565	10	440754.782609	1515000

쇼핑몰 유형과 제품에 따른 수량, 판매금액의 최대값-최소값을 구하는 사용자 함수적용¶

In [12]:

def my_func(value):
    return max(value) - min(value)
df.groupby(['쇼핑몰 유형', '제품'])[['수량','판매금액']].agg(my_func)

Out[12]:

		수량	판매금액
쇼핑몰 유형	제품
동물병원	제품_01	7	512400
	제품_02	8	129600
	제품_03	9	351900
	제품_04	8	341600
	제품_05	8	860800
...	...	...	...
할인점II	제품_93	0	0
	제품_95	2	194600
	제품_97	0	0
	제품_98	0	0
	제품_99	0	0

762 rows × 2 columns

In [13]:

# as_index=False로 해서 인덱스를 숫자로 만드는 경우
def my_func(value):
    return max(value) - min(value)
df.groupby(['쇼핑몰 유형', '제품'], as_index=False)[['수량','판매금액']].agg(my_func)

Out[13]:

	쇼핑몰 유형	제품	수량	판매금액
0	동물병원	제품_01	7	512400
1	동물병원	제품_02	8	129600
2	동물병원	제품_03	9	351900
3	동물병원	제품_04	8	341600
4	동물병원	제품_05	8	860800
...	...	...	...	...
757	할인점II	제품_93	0	0
758	할인점II	제품_95	2	194600
759	할인점II	제품_97	0	0
760	할인점II	제품_98	0	0
761	할인점II	제품_99	0	0

762 rows × 4 columns