Pandas DataFrame에서 두 개의 열을 기준으로 그룹화하고 개수를 세는 방법

• pandas

단계:

1. 데이터 준비: 샘플 데이터 세트를 만들거나 CSV 파일로 가져옵니다.
2. 데이터 프레임 만들기: pandas.DataFrame() 함수를 사용하여 데이터를 데이터 프레임으로 변환합니다.
3. 그룹화: groupby() 함수를 사용하여 두 개의 열을 기준으로 데이터 프레임을 그룹화합니다.
4. 개수 세기: size() 함수를 사용하여 각 그룹의 개수를 계산합니다.
5. 결과 표시: 결과 데이터 프레임을 출력합니다.

예제:

import pandas as pd

# 샘플 데이터 세트 만들기
data = {'컬럼1': ['A', 'A', 'B', 'C', 'C', 'B'],
        '컬럼2': [1, 2, 3, 1, 2, 3]}

df = pd.DataFrame(data)

# 두 개의 열을 기준으로 그룹화
grouped_data = df.groupby(['컬럼1', '컬럼2'])

# 개수 세기
count_data = grouped_data.size().unstack()

# 결과 표시
print(count_data)

출력:

       1  2  3
컬럼1
A     1  1  0
B     0  1  1
C     1  0  1

설명:

• groupby() 함수는 데이터 프레임을 지정된 열에 따라 그룹으로 나눕니다. 이 경우 '컬럼1'과 '컬럼2' 열을 기준으로 그룹화합니다.
• size() 함수는 각 그룹의 행 개수를 계산합니다.
• unstack() 함수는 다중 수준 인덱스를 단일 수준 인덱스로 변환합니다.

추가 정보:

• 조건에 따라 그룹화하려면 filter() 함수를 사용할 수 있습니다.
• 다른 집계 함수를 사용하여 평균, 합계, 최소값, 최대값 등을 계산할 수 있습니다.

import pandas as pd

# 샘플 데이터 세트 만들기
data = {'컬럼1': ['A', 'A', 'B', 'C', 'C', 'B', 'D', 'D', 'A', 'B'],
        '컬럼2': [1, 2, 3, 1, 2, 3, 4, 5, 1, 3],
        '컬럼3': ['X', 'Y', 'Z', 'Y', 'X', 'Z', 'Y', 'X', 'Y', 'Z']}

df = pd.DataFrame(data)

# 두 개의 열을 기준으로 그룹화 및 개수 세기
grouped_data = df.groupby(['컬럼1', '컬럼2']).size().unstack()

# 결과 표시
print(grouped_data)

       1  2  3  4  5
컬럼1
A     2  1  1  0  1
B     1  1  1  0  0
C     1  0  1  0  0
D     0  1  0  1  0

• 이 예제에서는 '컬럼3' 열을 추가하여 데이터 프레임을 확장했습니다.
• groupby() 함수는 여전히 '컬럼1'과 '컬럼2' 열을 기준으로 그룹화합니다.

변경 사항:

• 데이터 세트에 '컬럼3' 열이 추가되었습니다.
• 그룹화된 데이터 프레임에는 '컬럼3' 열이 반영되지 않습니다.
• 결과 출력에는 '컬럼3' 열이 포함되지 않습니다.

Pandas DataFrame에서 두 개의 열을 기준으로 그룹화하고 개수를 세는 대체 방법

value_counts() 함수 사용:

import pandas as pd

# 샘플 데이터 세트 만들기
data = {'컬럼1': ['A', 'A', 'B', 'C', 'C', 'B', 'D', 'D', 'A', 'B'],
        '컬럼2': [1, 2, 3, 1, 2, 3, 4, 5, 1, 3],
        '컬럼3': ['X', 'Y', 'Z', 'Y', 'X', 'Z', 'Y', 'X', 'Y', 'Z']}

df = pd.DataFrame(data)

# 두 개의 열을 기준으로 그룹화 및 개수 세기
count_data = df.groupby(['컬럼1', '컬럼2'])['컬럼1'].value_counts().unstack()

# 결과 표시
print(count_data)

• value_counts() 함수는 특정 열의 값별 개수를 계산합니다.
• 이 경우 '컬럼1' 열의 값별 개수를 '컬럼2' 열에 따라 그룹화합니다.

pivot_table() 함수 사용:

import pandas as pd

# 샘플 데이터 세트 만들기
data = {'컬럼1': ['A', 'A', 'B', 'C', 'C', 'B', 'D', 'D', 'A', 'B'],
        '컬럼2': [1, 2, 3, 1, 2, 3, 4, 5, 1, 3],
        '컬럼3': ['X', 'Y', 'Z', 'Y', 'X', 'Z', 'Y', 'X', 'Y', 'Z']}

df = pd.DataFrame(data)

# 두 개의 열을 기준으로 그룹화 및 개수 세기
count_data = pd.pivot_table(df, values='컬럼1', index=['컬럼1'], columns=['컬럼2'], aggfunc='count')

# 결과 표시
print(count_data)

• pivot_table() 함수는 다차원 테이블을 만들 수 있는 강력한 함수입니다.
• 이 경우 '컬럼1' 값을 행으로, '컬럼2' 값을 열로, '컬럼1' 개수를 값으로 표시하는 피벗 테이블을 만듭니다.

직접 for 루프 사용:

import pandas as pd

# 샘플 데이터 세트 만들기
data = {'컬럼1': ['A', 'A', 'B', 'C', 'C', 'B', 'D', 'D', 'A', 'B'],
        '컬럼2': [1, 2, 3, 1, 2, 3, 4, 5, 1, 3],
        '컬럼3': ['X', 'Y', 'Z', 'Y', 'X', 'Z', 'Y', 'X', 'Y', 'Z']}

df = pd.DataFrame(data)

# 두 개의 열을 기준으로 그룹화 및 개수 세기
count_data = {}
for col1, col2 in zip(df['컬럼1'], df['컬럼2']):
    if (col1, col2) not in count_data.keys():
        count_data[(col1, col2)] = 0
    count_data[(col1, col2)] += 1

# 결과 프레임 만들기
result_df = pd.DataFrame.from_dict(count_data, orient='index', columns=['개수'])
result_df.index.names = ['컬럼1', '컬럼2']

# 결과 표시
print(result_df)

• 직접 for 루프를 사용하여 각 그룹의 개수를 계산합니다.
• 딕셔너리 'count_data'를 사용하여 그룹과 개수를 저장합니다.
• pd.DataFrame.from_dict() 함수를 사용하여 딕셔너리를 데이터