[Pandas] DataFrame.pivot() / pivot_table()

DataFrame.pivot()

 

DataFrame.pivot() 메서드는 Pandas에서 데이터를 재구조화하는 데 사용한다. 
이를 통해 열(column)을 재배치하거나 데이터의 행(row)과 열을 기준에 따라 재구성할 수 있다.

 

1. 직접적인 데이터 변환:
   • 고유한 값만을 허용하며, 중복 값이 있을 경우 오류 발생
2. 세 가지 주요 매개변수:
   • index: 새로운 DataFrame에서 행으로 사용할 열
   • columns: 새로운 DataFrame에서 열로 사용할 열
   • values: 새로운 DataFrame에서 값으로 사용할 열

# 1

아래 국가별 5세 이하 사망 비율 통계 자료가 있다.

 

위 데이터를 나라에 따른 년도별 사망률을 알아볼 수 있게 데이터를 재구조화 해보자. 

df2.pivot(index='Location', columns='Period', values='First Tooltip').head()

 

# 2

아래와 같은 데이터프레임을 가정해보자. 

data = {
    'Date': ['2023-12-01', '2023-12-01', '2023-12-02', '2023-12-02'],
    'City': ['Seoul', 'Busan', 'Seoul', 'Busan'],
    'Temperature': [5, 10, 6, 11]
}

df = pd.DataFrame(data)
df

 

이를 갖고 pivot을 활용해보자. 

df.pivot(index='Date', columns='City', values='Temperature')

 

---

 

DataFrame.pivot_table()

 

DataFrame.pivot_table() 메서드는 pivot()과 유사하지만, 중복된 데이터 처리 및 집계 기능이 추가된다. 
이를 통해 동일한 (index, column) 조합에 대해 특정 집계 함수를 적용할 수 있다.

1. 중복 값이 있을 경우, 오류 대신 집계 함수를 사용하여 처리
2. 기본 집계 함수는 평균(mean)이며, aggfunc 매개변수로 변경 가능
3. 불완전한 데이터(NaN)를 처리하기 위한 fill_value 옵션 제공

# 1

아래 올림픽 메달리스트 정보 데이터가 있다.

 

위 데이터 중 한국 데이터만 추출하여 년도에 따른 메달 종류별 개수를 집계해보자.

df2 = df[df['Country'] == 'KOR']
df2.pivot_table(index='Year', columns='Medal', aggfunc='size', fill_value=0)

 

# 2

다음은 전체 데이터에서 sport 종류에 따른 성별 인원을 구해보자. 

df.pivot_table(index='Sport', columns='Gender', aggfunc='size')

 

---

 

마무리

특징	pivot	pivot_table
중복 데이터 처리	오류 발생	지정된 aggfunc를 사용해 처리
기본 동작	단순 재구조화	재구조화 + 집계
집계 함수	미지원	mean, sum, min, size 등 지원
NaN 처리	미지원	fill_value 옵션 지원

 

 

• pivot()은 단순 데이터 재구조화에 사용되며, 중복 데이터가 없어야 한다. 
• pivot_table()은 중복 데이터 처리와 집계가 필요한 경우에 적합하다.
  데이터 집계가 필요하거나 데이터가 중복될 가능성이 있다면 pivot_table()을 사용하는 것이 더 유연하다.