판다스 (Pandas) (GroupBy)

판다스의 groupby 함수는 데이터를 그룹으로 묶어 요약 통계를 계산하는 기능을 제공한다. SQL의 GROUP BY 구문과 유사하다.

 

(참고: 예제 소스코드 ChatGPT로 생성 했습니다.)

 

기본 사용법

groupby 함수는 데이터를 특정 열을 기준으로 그룹화한 후, 각 그룹에 대해 요약 통계를 계산할 수 있다.

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, dropna=True)

 

• by: 그룹화할 열(또는 열들)의 이름, 배열, 또는 함수. 단일 열이나 여러 열의 이름을 문자열 또는 리스트 형태로 전달할 수 있습니다.
• axis: 그룹화할 축. 기본값은 0(행). 1(열)을 사용할 수도 있습니다.
• level: 다중 인덱스(MultiIndex)에서 그룹화할 레벨의 번호(또는 이름). 단일 레벨 또는 리스트로 여러 레벨을 지정할 수 있습니다.
• as_index: 그룹 키를 결과의 인덱스로 사용할지 여부. 기본값은 True. False로 설정하면 그룹 키를 인덱스 대신 열로 사용합니다.
• sort: 그룹 키에 따라 결과를 정렬할지 여부. 기본값은 True. False로 설정하면 데이터프레임의 순서대로 그룹화합니다.
• group_keys: 그룹화한 키를 결과에 포함할지 여부. 기본값은 True. 그룹화된 객체의 keys에 따라 결과가 구분됩니다.
• squeeze: 가능하다면 차원을 축소할지 여부. 기본값은 False. True로 설정하면 단일 행 또는 열이 있는 경우 차원을 축소합니다.
• observed: 범주형 데이터를 그룹화할 때 관찰된 값만 사용 여부. 기본값은 False. True로 설정하면 NaN 값을 무시하고 그룹화를 수행합니다.
• dropna: NaN 값을 가진 그룹을 무시할지 여부. 기본값은 True. False로 설정하면 NaN 값을 가진 그룹도 포함합니다.

 

참고 사항

• groupby는 그룹화한 결과를 사용하여 다양한 분석을 수행한다.
• agg 함수를 사용하면 한 번에 여러 집계 함수를 적용할 수 있다.
• filter 함수를 사용하면 특정 조건에 따라 그룹을 필터링할 수 있다.

 

 

예시 1:

데이터 프레임 생성

import pandas as pd

# 데이터 생성
data = {
    'Department': ['Sales', 'Sales', 'Sales', 'HR', 'HR', 'IT', 'IT', 'IT'],
    'Employee': ['Alice', 'Bob', 'Charlie', 'David', 'Edward', 'Frank', 'Grace', 'Hannah'],
    'Salary': [50000, 60000, 70000, 40000, 45000, 55000, 60000, 65000]
}

df = pd.DataFrame(data)
print(df)

  Department Employee  Salary
0      Sales    Alice   50000
1      Sales      Bob   60000
2      Sales  Charlie   70000
3         HR    David   40000
4         HR   Edward   45000
5         IT    Frank   55000
6         IT    Grace   60000
7         IT   Hannah   65000

 

그룹화 및 요약 통계

# 부서별로 그룹화하여 급여 합계 계산
grouped = df.groupby('Department')
salary_sum = grouped['Salary'].sum()
print(salary_sum)

Department
HR        85000
IT       180000
Sales    180000
Name: Salary, dtype: int64

 

 

예시 2:

여러 집계용 합수들 사용

# 부서별로 그룹화하여 급여 합계와 평균 계산
salary_agg = grouped['Salary'].agg(['sum', 'mean', 'max', 'min'])
print(salary_agg)

               sum     mean    max    min
Department                               
HR           85000  42500.0  45000  40000
IT          180000  60000.0  65000  55000
Sales       180000  60000.0  70000  50000

 

 

예시 3:

그룹화한 데이터에 접근

# 그룹별 첫 번째 행 출력
first_entries = grouped.first()
print(first_entries)

# 그룹별 데이터프레임 접근
for name, group in grouped:
    print(f'Group: {name}')
    print(group)

           Employee  Salary
Department                 
HR            David   40000
IT            Frank   55000
Sales         Alice   50000

Group: HR
  Department Employee  Salary
3         HR    David   40000
4         HR   Edward   45000

Group: IT
  Department Employee  Salary
5         IT    Frank   55000
6         IT    Grace   60000
7         IT   Hannah   65000

Group: Sales
  Department Employee  Salary
0      Sales    Alice   50000
1      Sales      Bob   60000
2      Sales  Charlie   70000

 

예시 4:

여러 열을 기준으로 그룹화

# 부서와 직원을 기준으로 그룹화하여 급여 합계 계산
grouped_multi = df.groupby(['Department', 'Employee'])
salary_sum_multi = grouped_multi['Salary'].sum()
print(salary_sum_multi)

Department  Employee
HR          David       40000
            Edward      45000
IT          Frank       55000
            Grace       60000
            Hannah      65000
Sales       Alice       50000
            Bob         60000
            Charlie     70000
Name: Salary, dtype: int64

 

예시 5:

그룹별 필터링

# 그룹의 평균 급여가 60000 이상인 그룹만 필터링
filtered = grouped.filter(lambda x: x['Salary'].mean() >= 60000)
print(filtered)

  Department Employee  Salary
0      Sales    Alice   50000
1      Sales      Bob   60000
2      Sales  Charlie   70000
5         IT    Frank   55000
6         IT    Grace   60000
7         IT   Hannah   65000

 

 

참고: https://pandas.pydata.org/docs/

pandas documentation — pandas 2.2.2 documentation