Pandas: groupby 및 값 개수를 사용하는 방법
다음 기본 구문을 사용하여 Pandas DataFrame에서 그룹당 고유 값의 빈도를 계산할 수 있습니다.
df. groupby ([' column1 ', ' column2 ']). size (). unstack (fill_value= 0 )
다음 예에서는 실제로 이 구문을 사용하는 방법을 보여줍니다.
예: Pandas에서 GroupBy 및 값 개수 사용
다음과 같은 팬더 DataFrame이 있다고 가정합니다.
import pandas as pd #createDataFrame df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'], ' position ':['G', 'G', 'F', 'F', 'C', 'G', 'F', 'F', 'F', 'F'], ' points ': [8, 8, 10, 10, 11, 8, 9, 10, 10, 10]}) #view DataFrame print (df) team position points 0 AG 8 1 GA 8 2 AF10 3 AF 10 4 AC 11 5 BG 8 6 BF 9 7 BF 10 8 BF 10 9 BF 10
다음 구문을 사용하여 팀 및 직위 열별로 그룹화된 포인트 값의 빈도를 계산할 수 있습니다.
#count frequency of points values, grouped by team and position
df. groupby ([' team ',' position ',' points ']). size (). unstack (fill_value= 0 )
points 8 9 10 11
team position
A C 0 0 0 1
F 0 0 2 0
G 2 0 0 0
B F 0 1 3 0
G 1 0 0 0
결과를 해석하는 방법은 다음과 같습니다.
- A팀과 C팀 선수의 포인트 열에 값 8이 0 번 표시되었습니다.
- A팀과 C팀 선수의 포인트 열에 값 9가 0 번 표시되었습니다.
- A팀과 C팀 선수의 포인트 열에 값 10이 0 번 표시되었습니다.
- A팀과 C팀 선수의 포인트 열에 11이라는 값이 1 번 표시되었습니다.
등등.
다음 구문을 사용하여 팀별 로 그룹화된 위치 빈도를 계산할 수도 있습니다.
#count frequency of positions, grouped by team
df. groupby ([' team ', ' position ']). size (). unstack (fill_value= 0 )
position C F G
team
A 1 2 2
B 0 4 1
결과를 해석하는 방법은 다음과 같습니다.
- A팀에서 ‘C’라는 값이 1 번 발생했습니다.
- A팀에서는 ‘F’라는 값이 2 번 등장했습니다.
- A팀에서는 ‘G’라는 값이 2 번 등장했습니다.
- B팀에서는 ‘C’ 값이 0 회 발생했습니다.
- B팀에서는 ‘F’값이 4 번 발생했습니다.
- B팀에서는 ‘G’ 값이 1 번 발생했습니다.
등등.
추가 리소스
다음 튜토리얼에서는 Pandas에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.
Pandas에서 GroupBy 합계를 수행하는 방법
Pandas에서 GroupBy를 사용하여 고유한 값을 계산하는 방법
Pandas에서 Groupby 및 Plot을 사용하는 방법