[Pandas] DataFrame.unstack()/div() 활용

pd.DataFrame.unstack()

 

'neighbourhood' 값과 'neighbourhood_group' 값에 따른 'price' 컬럼의 평균을 계산한 데이터프레임을 가정하자.

df.groupby(['neighbourhood', 'neighbourhood_group'])[['price']].mean()

 

df.unstack()
    ● 데이터프레임이 위와 같이 멀티인덱스를 사용할 때, 하위 레벨 인덱스를 컬럼으로 옮겨 데이터를 재구조화 가능

    ● 기본적으로 가장 하위 레벨(-1)을 컬럼으로 이동하며, 다른 레벨을 지정하려면 level 파라미터를 사용 가능

df.groupby(['neighbourhood', 'neighbourhood_group'])[['price']].mean().unstack()

 

'neighbourhood_group' 값이 컬럼으로 이동한 것을 확인할 수 있으며 shape 또한 (221, 1)에서 (221, 5)으로 변환됨을 알 수 있다.

 

☞ 또한, 추가적인 기능으로 NaN 값을 채우기 위해 fill_value 파라미터를 사용하거나 fillna() 메소드를 사용할 수 있다.

df.groupby(['neighbourhood', 'neighbourhood_group'])[['price']].mean().unstack(fill_value=-999)
# df.groupby(['neighbourhood','neighbourhood_group']).price.mean().unstack().fillna(-999)

 

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.unstack.html#pandas.DataFrame.unstack

pandas.DataFrame.unstack — pandas 2.2.3 documentation

 

---

 

pd.DataFrame.div()

 

이번엔 'neighbourhood_group' 값에 따른 'room_type' 컬럼의 숫자를 구해보자.

data = df.groupby(['neighbourhood_group', 'room_type']).size().unstack()
data

 

위의 데이터프레임에서 'neighbourhood_group' 값을 기준으로 각 값의 비율을 구하려면 어떻게 해야할까?

 

df.div(other, axis=...)

    ● other로 지정된 값(데이터프레임, 시리즈, 스칼라)으로 데이터프레임의 각 요소를 나누는 역할을 수행

    ● 행 단위 연산 : axis = 0 or axis = 'index' / 열 단위 연산 : axis = 1 or axis = 'columns'

 

data = df.groupby(['neighbourhood_group', 'room_type']).size().unstack()
data.div(data.sum(axis=1), axis='index')

 

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.div.html#pandas.DataFrame.div

pandas.DataFrame.div — pandas 2.2.3 documentation

 

마무리

오늘은 데이터프레임의 멀티인덱스를 다룰 때 유용한 .unstack() 메서드와, 데이터프레임의 요소를 다른 값으로 나누어 비율을 계산하는 .div() 메서드의 활용 방법을 정리해보았다.

 

이 두 메소드는 데이터 구조를 재정렬하거나 비율 계산 같은 분석에 필수적인 작업을 간결하게 수행할 수 있어, 앞으로 익혀두면 좋을 것 같다는 생각이 들었다.