Pandas - 데이터 분석할 때 유용한 Groupby

데이터를 다루기 위해, 여러 변수를 만지다 보면, groupby가 굉장히 유용하다는 것을 느낀다.
그래서, 기초부터 응용 버전까지 한 번에 정리하려고 한다.

0. Groupby 란,

SQL groupby 명령어와 같은 느낌인데, 데이터를 split -> apply -> combine 하는 과정을 거쳐서 연산한다.
아래에서 다양한, 그룹바이 예시를 하기 위해서 데이터 프레임을 만들어 준다.

1. groupby를 하는 방법 : 기본적인 groupby

01. 한개 열을 기준으로 groupby : 집계

그룹바이는, 그룹 바이만 하면 안 되고, 집계 함수를 같이 써주어야 내가 원하는 데이터 프레임 형태가 된다.
묶어 주고 싶은 컬럼을 by = [' col ' ] 넣어주면 된다. by는 생략해도 된다.
아래 코드는 최소 수량을 알기 위해, min을 사용하였지만, 다른 집계 함수들도 사용할 수 있다.
[ count, min, mean, sum, max, cumsum ]

# min: 상품번호별 판매된 최소 수량
df.groupby(by=['product_id']).min()

그룹바이를 통해, P1을 가지고 있는 ROW중에서 가장 최소인 것들만 뽑아진 것을 확인할 수 있다.

02. 두개 이상의 열을 기준으로 groupby 하기

두 개 이상의 열을 기준으로도, 그룹바이를 할 수 있다.
그러면, index 가 multi index 가 된다.

df_grouped = df.groupby(['product_id','user_id']).sum()

** 이렇게 인덱스 형태가 되면, 데이터를 다룰 때 귀찮아질 때가 있다. 그럴 때, groupby안에서 as_index를 False로 넣어주면, 기준 칼럼이 인덱스로 가지 않는다.

df_grouped = df.groupby(['product_id','user_id'], as_index = False).sum()

** 아래의 코드처럼 특정 컬럼 이름을 명시해주면, 그 컬럼만 적용받을 수 있다.

df.groupby(['product_id','user_id'])['point'].sum()

2. grouby를 한 후, index 를 다루기

3. groupby된 데이터를 가지고 원하는 정보 추출