판다스 - groupby : transform(응용)

데이터 불러오기

 

원본 데이터프레임

 

 

 

 

연도별로 그룹화되어있음을 확인했다.

 

 

 

 

 

데이터의 평균과 표준편차의 차이인 표준점수를 구하는 함수를 정의한다.

 

 

 

변환된 데이터의 평균값은 0, 표준편차는 1이된다.

 

데이터가 표준화되어 서로 다른 데이터를 쉽게 비교할 수 있다.

 

 

 

 

 

 

 

그룹별로 lifeExp(기대수명)에 대한 표준점수를 구해보자

 

 

굉장히 간단하다.

 

grouped의 lifeExp 컬럼에 transform을 사용자 정의함수로 적용하면 된다.

 

 

하나의 컬럼에 적용했기에 시리즈가 리턴된다.

 

 

 

transform의 장점이 원본 데이터프레임의 인덱스를 유지하는 것이므로

 

이를 열 추가에 활용하는 것이다.

 

 

 

새 컬럼이 추가되었다.

 

이 값은 연도별 기대수명의 표준점수이다.

 

 

 

 

 

 

 

 

 

 

또 다른 예시를 들어보자

 

 

 

 

tips에서 total_bill의 일부 값을 NaN으로 변경했다.

 

그냥 total_bill의 평균값으로 채우면 되지 않나?

 

 

 

라고 생각할 수 있지만, 성비가 지금 여:남 = 3:7이다.

 

이 말 뜻은 성별에 따라 total_bill이 영향을 받을 수 있다는 것이다.

 

 

 

 

 

이에 성별로 데이터프레임을 그룹화했다.

 

 

우려했던대로 성비가 불균형하다.

 

 

 

 

그룹별로 평균값을 보자

 

 

확실히 성별에 따라 total_bill의 평균값에 차이가 있다.

 

 

 

 

 

 

 

누락값을 그룹별 평균값으로 채울 수 있는 함수를 정의한다.

 

 

 

 

 

 

이를 그룹별 total_bill 컬럼에 transform 해보자

 

 

성별로 평균값이 다르게 채워졌다!

 

 

 

 

 

원본 인덱스를 유지하는 장점을 이용해 

 

새로운 열로 추가했다.

 

 

 

 

 

 

 

 

그룹별 내림차순 순위 구하기

 

타이타닉 데이터

 

 

 

 

embarked 컬럼으로 그룹핑하자.

 

 

 

 

 

 

 

각 그룹별로 나이가 높은 순으로 순위를 구해보자

 

 

 

 

 

이렇게만 보면 알 수 없으니

 

 

여러 컬럼을 동시에 보면

 

 

 

각 그룹별로 나이가 높은 순으로 랭크값을 구해냈다.

 

 

 

 

 

 

이처럼 그룹별로 데이터 전처리는 필수적인 작업이라 할 수 있으며

 

필요한 메서드를 적재적소에 잘 활용해야한다.