Pandas 사용법 - 함수적용, 그룹화 [기본]

함수 적용

data = {
    '이름' : ['채치수', '정대만', '송태섭', '서태웅', '강백호', '변덕규', '황태산', '윤대협'],
    '학교' : ['북산고', '북산고', '북산고', '북산고', '북산고', '능남고', '능남고', '능남고'],
    '키' : [197, 184, 168, 187, 188, 202, 188, 190],
    '국어' : [90, 40, 80, 40, 15, 80, 55, 100],
    '영어' : [85, 35, 75, 60, 20, 100, 65, 85],
    '수학' : [100, 50, 70, 70, 10, 95, 45, 90],
    '과학' : [95, 55, 80, 75, 35, 85, 40, 95],
    '사회' : [85, 25, 75, 80, 10, 80, 35, 95],
    'SW특기' : ['Python', 'Java', 'Javascript', '', '', 'C', 'PYTHON', 'C#']
}
df = pd.DataFrame(data,index =['1번','2번','3번','4번','5번','6번','7번','8번'])
df.index.name = '지원번호'

기존 dataframe을 활용하여 함수를 적용하는 방법을 알아보자.

df['학교'] = df['학교'] + '등학교'

기존에 각 data의 '학교'에 +'등학교'를 하면서 '~~고등학교' 형태로 변경했었다. 그럼 '키' column에 cm를 붙여 '~~~cm'을 만들어 보자

df['키'] = df['키'] + 'cm' #오류 발생!

이대로 실행하게 되면 오류가 발생한다. '키'는 int이기 때문에 int 와 str을 합치려면 int형을 str로 적용해줘야한다.

함수를 적용하여 바꿔보자. DataFrame의 apply메서드를 활용하면  함수를 적용할 수 있다.

def add_cm(height):
  return str(height) + 'cm'

df['키'] = df['키'].apply(add_cm) #키 데이터에 대해서 add_cm 함수를 호출한 결과 데이터를 반영

함수를 두번 적용해버려서...

다른 함수도 적용해보자! SW특기의 첫 알파벳을 대문자로 표현해보자.

def capitalize(lang):
  if pd.notnull(lang): #NaN이 아닌지
    return lang.capitalize()
  return lang

df['SW특기'] = df['SW특기'].apply(capitalize)
df

하지만 capitalize는 다른 방법으로 쉽게 구현할 수 있다.

df['SW특기'].str.capitalize()

---

그룹화

그룹화는 동일한 값을 가지는 것들끼리 합쳐서 통계 또는 평균 등의 값을 계산하기 위해 사용한다. groupby 메서드를 통해 사용할 수 있다.

구성했던 DataFrame에서 '학교'를 그룹별로 묶는다면 '북산고'와 '능남고'로 묶을 수 있다.

df.groupby('학교')
df.groupby('학교').get_group('북산고')

df.groupby('학교').get_group('능남고')

여기서 groupby의 mean 메서드를 사용하면 계산 가능한 데이터들의 평균 값을 보여준다.

df.groupby('학교').mean() #계산 가능한 데이터들의 평균 값

>>> df.groupby('학교').size() #각 그룹의 크기
학교
능남고    3
북산고    5
dtype: int64

>>> df.groupby('학교').size()['능남고'] #학교로 그룹화를 한 뒤에 능남고에 해당하는 데이터의 수
3

>>> df.groupby('학교')['키'].mean() # 학교로 그룹화를 한 뒤에 키의 평균 데이터
학교
능남고    193.333333
북산고    184.800000
Name: 키, dtype: float64

>>> df.groupby('학교')[['국어','영어','수학']].mean() #학교로 그룹화를 한 뒤에 국어, 영어, 수학 평균 데이터

이번엔 학년 열을 추가해보자.

df['학년'] = [3,3,2,1,1,3,2,2] #학년 column 추가
df

이를 그룹화 할껀데, 학교별 학년 데이터를 보기위해 다음과 같이 설정한다.

df.groupby(['학교','학년']).mean() #학교별, 학년별 평균 데이터

>>> df.groupby('학년').mean() #학년별 평균 데이터
>>> df.groupby('학년').mean().sort_values('키') #학년별 평균을 내고 키로 정렬한다.

>>> df.groupby('학교')[['이름','SW특기']].count() #학교로 그룹화를 한 뒤에 각 학교별 SW특기 데이터의 수를 가져옴
학교	이름	SW특기
능남고	3	3
북산고	5	3

그룹화를 진행하면 자기가 원하는 그룹별 데이터를 확인 할 수 있기 때문에 편리한 점이 많다.

다음과 같은 메서드도 확인해보자.

>>> school = df.groupby('학교')
>>> school['학년'].value_counts().loc['북산고'] #학교로 그룹화를 한 뒤에 북산고에 대해서 학녀녈 학생수를 가져옴
학년
1    2
3    2
2    1
Name: 학년, dtype: int64

>>> school['학년'].value_counts().loc['능남고'] #학교로 그룹화를 한 뒤에 능남고에 대해서 학년별 학생수를 가져옴
학년
2    2
3    1
Name: 학년, dtype: int64

>>> school['학년'].value_counts(normalize=True).loc['북산고'] #학생들의 수 데이터를 퍼센트로 비교하여 가져옴
학년
1    0.4
3    0.4
2    0.2
Name: 학년, dtype: float64