gogogo

Author: minju0611

_posts/2025-01-18-10.[Pandas] 10. 데이터 집계_분포와 통계량.md

@@ -80,6 +80,228 @@ plt.show()
 
 titanic_train.csv 사용
 
+## groupby
+- 집계에서의 **"집"** 부분
+- 그룹 후 사용할 수 있는 함수들 (**"계"**)
+  -  NaN값은 집계에서 제외됨!!
+  - 그룹 내의 데이터가 **n개** 였다면, 계산을 수행하면 **1개**가 된다!!!(**Reduction**)
 
+|함수|설명|
+|:--|:--|
+|count()|행의 개수|
+|nunique()|행의 유니크한 개수|
+|sum()|합|
+|mean()|평균|
+|min()|최솟값|
+|max()|최댓값|
+|std()|표준편차|
+|var()|분산|
+
+### 단일 그룹
+- 기준이 한 개
+
+```python
+# "집"
+df.groupby("Pclass") # 출력 결과 : Pclass 기준 1등급/ 2등급 / 3등급으로 그룹이 나뉘어짐.
+```
+```python
+# "계"
+df.groupby("Pclass").count() # 그룹별로 모인 데이터에 대한 계산을 수행
+```
+```python
+df.groupby("Pclass").sum(numeric_only = True) # 숫자인 값에 대해서만 sum하겠다.
+```
+#### 특정 값에 대해서만 집계하기
+
+```python
+# 특정 컬럼에 대해서만 집계
+df.groupby("Pclass")["Age"].sum() 
+```
+
+#### Fancy Indexing으로 여러 컬럼에 대해 집계
+
+```python
+df.groupby("Pclass")[["Age","Fare"]].sum()
+```
 
+### 다중 그룹
+- 그룹핑에 기준이 두 개 이상
 
+```python
+# 성별과 등급 별 값
+df.groupby(["Sex", "Pclass"]).mean(numeric_only=True)
+```
+
+## crosstab
+- **범주형 데이터에 대한 집계** (비율(%), 대비)
+- 범주형 데이터 비교 분석에 유용
+- 행에 비치될 데이터(그룹핑), 열에 비치될 데이터(계산 대상)를 따로 지정
+  
+```python
+pd.crosstab(df["Sex"], df["Survived"]) # 행, 열에 비치될 데이터를 따로 지정 (행: "Sex", 열: "Survived")
+```
+```python
+pd.crosstab(df["Pclass"], df["Survived"])
+```
+### crosstab - 범주별 비율 구하기
+- `normalize : 정규화하다.`
+- `normalize = 'all'`: 전체 합이 100%
+- `normalize = 'index'`: 행별 합이 100%
+- `normalize = 'columns'`: 열별 합이 100%
+- 여자 100명: 많은가 적은가? 구분 불가!!! but, 여자 90% : 많다!
+### 단일 인덱스, 컬럼의 범주표
+#### normalize = 'all'
+- 행, 열의 총합이 1
+```python
+pd.crosstab(df["Sex"], df["Survived"], normalize = 'all', margins = True) # margins = True: All에 행, 열 별 합계 값이 출력
+```
+[결과]  
+![](/images/../images/2025-01-27-17-11-54.png)
+
+#### normalize = 'index'
+- index 방식 : 행 방향의 데이터가 기준이 된다.
+```python
+# 성별 기준
+#  ex) female 중 사망한 사람이 0.257962, female 중 생존한 사람이 0.742038 ( 행의 합이 1.0 )
+#      male 중 사망한 사람이 0.811092, male 중 생존한 사람이 0.188908 (행의 합이 1.0 )
+#      전체 중 사망한 사람이 0.616162, 전체 중 생존한 사람이 0.383838 ( 행의 합이 1.0 )
+pd.crosstab(df["Sex"], df["Survived"], normalize = 'index', margins = True)
+```
+[결과]  
+![](/images/../images/2025-01-27-17-49-17.png)
+
+#### normalize = 'columns'
+- columns 방식 : 열 방향의 데이터가 기준이 된다.
+
+```python
+# Survived 기준
+#  ex) 사망한 사람 중 female이 0.147541, male이 0.852459( 열의 합이 1.0 )
+#      생존한 사람 중 female이 0.681287, male이 0.318713( 열의 합이 1.0 )
+#      전체 인원 중 female이 0.352413, male이 0.647587 ( 열의 합이 1.0 )
+pd.crosstab(df["Sex"], df["Survived"], normalize = 'columns', margins = True)
+```
+[결과]  
+![](/images/../images/2025-01-27-17-51-14.png)
+
+### 다중 인덱스, 다중 컬럼의 범주표
+- index와 columns을 직접 지정
+
+```python
+# "Sex"와 "Pclass"에 대해 "Survived"의 정규화 
+pd.crosstab(index = [df["Sex"], df["Pclass"]], columns = df["Survived"], normalize = 'all')
+```
+[결과]  
+![](/images/../images/2025-01-27-18-03-11.png)
+
+```python
+pd.crosstab(index = [df['Sex'], df["Pclass"]], columns= [df['Survived'], df["Embarked"]])
+```
+[결과]  
+![](/images/../images/2025-01-27-18-04-58.png)
+
+## pivot table ⭐️⭐️⭐️
+- pivot : 축
+- 데이터를 원하는 형태로 집계할 때 아주 유용한 방법.
+
+### 단일 인덱스, 단일 컬럼, 단일 값
+```python
+pd.pivot_table(
+  df,
+  index = "Sex", # 행 정의
+  columns = "Pclass", # 열 정의
+  values = "Fare", # 값 정의
+  aggfunc = "mean", # 계산 방법 
+  margins = True
+)
+```
+[결과]    
+![](/images/../images/2025-01-27-18-19-40.png)
+
+```python
+# 집계를 여러 방식으로 한 번에 수행 가능
+pd.pivot_table(
+  df,
+  index = 'Sex',
+  columns = 'Pclass',
+  values = 'Fare',
+  aggfunc = ['mean', 'min', 'max'],
+  marigns = True
+)
+```
+[결과]    
+![](/images/../images/2025-01-27-18-24-45.png)
+
+### 다중 인덱스, 다중 컬럼, 다중 값
+```python
+pd.pivot_table(
+    df,
+    index = 'Sex', # 성별로 그룹을 잡은 상태
+    columns = 'Pclass',
+    values = ["Fare", "Age"],
+    aggfunc = 'mean',
+    margins = True
+)
+```
+[결과]  
+![](/images/../images/2025-01-27-18-26-02.png)
+
+```python
+pd.pivot_table(
+    df,
+    index = ['Sex', 'Pclass'],
+    columns = ["Survived", "Embarked"],
+    values = "Fare",
+    aggfunc = "mean"
+)
+```
+[결과]   
+![](/images/../images/2025-01-27-18-26-54.png)
+
+## stack, unstack, melt
+- 데이터의 **재구조화**
+
+### stack()
+- **열(columns)** 을 **행(row)** 의 하위 레벨로 이동
+- Long Format
+
+### unstack()
+- **행(row)** 의 하위레벨을 **열(columns)** 로 이동
+- stack의 반대 개념
+- Wide Format
+
+### melt()
+- 컬럼의 정보를 행단위로 가도록 녹여주는
+- 컬럼의 정보를 행으로 녹여 해당 정보에 대해 집계가 가능하도록 만든다. 
+
+# 12. 정렬 
+
+### 인덱스 정렬
+```python
+df.sort_index() # ascending = True : 오름차순 정렬
+df.sort_index(ascending = False) # : 내림차순 정렬
+```
+### 컬럼 기준 정렬
+```python
+df.sort_values(by="Fare") # 요금 작은 순으로 정렬
+df.sort_values(by="Fare", ascending = False)
+```
+#### 문자열 값으로도 정렬 가능
+```python
+df.sort_values(by="Name")
+```
+#### 두 개 이상도 가능
+```python
+df.sort_values(by = ["Pclass", "Fare"], ascending = [True, False]) # Pclass는 낮은 순(1,2,3), Fare은 높은 순
+```
+#### loc와 iloc 차이점?
+
+![](/images/../images/2025-01-27-19-52-00.png)  
+위의 표에서 loc와 iloc로 행을 선택할 때
+```python
+# loc는 offset index 기준이 아니기 때문에, 표 그대로의 범위를 직접 입력
+df_sorted.loc[737:88] 
+# iloc는 인덱스 기준으로 인덱스로 입력
+df_sorted.iloc[2:5]
+```
+[결과 같음]    
+![](/images/../images/2025-01-27-19-53-31.png)