데이터프레임 필터링 피봇테이블 - pd.pivot_table()

pivot_table()

• 아래와 같은 데이터 프레임이 있을 때, ‘Age_category’를 엑셀 필터를 거는것 처럼 만들고 싶다면, 다양한 방법이 있지만 가장 보기 편한 것 중 하나가 피봇테이블이다.
• 엑셀이나 스프레드시트의 피봇테이블과 유사하며 방법도 그리 어렵지 않다.
• 아래는 간단한 예시입니다.

#index는 맨 왼쪽에 gropby할 열이름을 입력,
#columns는 보고 싶은 열의 이름을 입력,
#fill_value는 연산하고 싶은 열의 이름을 입력(int,float타입만 가능) - 입력하지 않으면 default값으로 수치화할 수 있는 열들이 들어감.
#aggfunc 에는 연산하고 싶은 방식 선택 ex) 'count', 'sum', 'mean', np.mean 등이 있다.
import pandas as pd
df = pd.DataFrame({'Age' : range(1,101,10),'Number' :range(100,1001,100)})
df['Age_category'] = pd.qcut(df['Age'],3,labels=['young','medium','older']) 
df
	Age	Number	Age_category
0	1	100	    young
1	11	200	    young
2	21	300	    young
3	31	400 	    young
4	41	500	    medium
5	51	600	    medium
6	61	700	    medium
7	71	800	    older
8	81	900	    older
9	91	1000	    older

import numpy as np
df.pivot_table(index='Age',columns='Age_category',aggfunc='mean')


Number
Age_category	young   	medium	    older
Age			
1	            100.0	    NaN           NaN
11	            200.0	    NaN           NaN
21	            300.0	    NaN           NaN
31	            400.0	    NaN           NaN
41                NaN         500.0       NaN
51	            NaN         600.0       NaN
61	            NaN         700.0       NaN
71                NaN       NaN           800.0
81                NaN       NaN           900.0
91                NaN       NaN           1000.0

아래는 판다스 메뉴얼의 예시입니다

• 공식 메뉴얼을 보면, 확실히 이해 할 수 있을겁니다.

df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo",
                         "bar", "bar", "bar", "bar"],
                   "B": ["one", "one", "one", "two", "two",
                         "one", "one", "two", "two"],
                   "C": ["small", "large", "large", "small",
                         "small", "large", "small", "small",
                         "large"],
                   "D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
                   "E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
df
	A	B	C	D	E
0	foo	one	small	1	2
1	foo	one	large	2	4
2	foo	one	large	2	5
3	foo	two	small	3	5
4	foo	two	small	3	6
5	bar	one	large	4	6
6	bar	one	small	5	8
7	bar	two	small	6	9
8	bar	two	large	7	9

#pivot_table
pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'],
                    aggfunc={'D': np.mean,
                             'E': [min, max, np.mean]})
                             
            D           E
            mean        max	 mean	    min
A     C				
bar   large 5.500000	9   	7.500000	6
small            5.500000	9   	8.500000	8
foo	large   2.000000	5   	4.500000	4
small           2.333333	6   	4.333333	2