Pandas에서 DataFrame을 효율적으로 피벗하려면 어떻게 해야 합니까?

DataFrame 피벗

소개

전치라고도 알려진 피벗은 행과 열이 바뀌는 데이터 변환에서 일반적인 작업입니다. 데이터를 보다 적합한 형식으로 재구성하거나 여러 차원에 걸쳐 데이터를 요약하는 보고서를 만드는 등의 작업에 유용할 수 있습니다. Python에서 pandas는 DataFrame을 피벗하는 여러 가지 방법을 제공하며 각 방법에는 고유한 장점과 한계가 있습니다.

기본 피벗

기본 피벗의 경우 다음 방법을 사용할 수 있습니다.

pandas.pivot_table: 이 방법은 열을 지정하여 데이터를 피벗하기 위한 유연한 인터페이스를 제공합니다. 행, 열, 값으로 사용됩니다. 평균, 합계, 개수 등과 같은 다양한 집계 함수를 지원합니다.

pandas.DataFrame.groupby pandas.unstack: groupby를 사용하여 원하는 열별로 데이터를 그룹화한 다음 다음을 사용하여 결과 MultiIndex를 언스택합니다. 피벗된 DataFrame을 생성하려면 스택을 해제하세요.

고급 피벗

더 복잡한 피벗 작업의 경우 다음 방법을 사용할 수 있습니다.

pandas.DataFrame.set_index pandas.unstack: groupby와 유사하지만 다음과 같은 경우 더 효율적입니다. 고유한 행 집합을 기준으로 피벗하고 columns.

pandas.DataFrame.pivot:ivot_table의 더 간결한 버전이지만 기능이 제한되어 있습니다.

기타 방법

pandas. 교차 분석: 분할표(교차 분석)를 만드는 데 유용합니다. 두 개의 범주형 변수에 걸쳐 데이터를 집계하는 피벗 유형입니다.

pandas.factorize numpy.bincount: 특정 작업에 대해 더 빠를 수 있는 고급 기술입니다. 인수 분해를 사용하여 범주형 값을 고유한 정수로 변환한 다음 bincount를 사용하여 발생 횟수를 계산합니다.

pandas.get_dummies pandas.DataFrame.dot: 더미 변수를 사용하여 교차표를 수행하는 창의적인 방법 .

예

다음은 몇 가지 예입니다. 이러한 방법을 사용하는 방법:

# Import pandas
import pandas as pd

# Create a sample DataFrame
df = pd.DataFrame({
    "key": ["a", "b", "c", "a", "b"],
    "row": [1, 2, 3, 4, 5],
    "col": ["col1", "col2", "col3", "col1", "col2"],
    "val": [10, 20, 30, 40, 50]
})

# Pivot using pivot_table
pivoted_df = pd.pivot_table(
    df, index="row", columns="col", values="val", aggfunc='mean', fill_value=0
)

# Pivot using groupby and unstack
pivoted_df = df.groupby(['row', 'col'])['val'].mean().unstack(fill_value=0)

평탄화

피벗된 DataFrame의 다중 인덱스를 평면화하려면 열 유형에 따라 다른 접근 방식을 사용할 수 있습니다.

열이 다음과 같은 경우 문자열:

pivoted_df.columns = pivoted_df.columns.map('|'.join)

열이 튜플인 경우:

pivoted_df.columns = pivoted_df.columns.map('{0[0]}|{0[1]}'.format)

추가 참고 사항

• 피벗할 열을 선택할 때 , 많은 데이터가 포함된 넓은 DataFrame을 생성하지 않도록 범주형이거나 제한된 수의 고유 값을 가지고 있는지 확인하세요.
• 누락된 데이터를 처리하기 위해 집계 함수를 사용할 때 채우기 값에 주의하세요.
• 대규모 데이터 세트의 경우 set_index 및 인수분해와 같은 성능 향상 기술 사용을 고려하세요.
• 탐색 데이터를 넓은 형식에서 긴 형식으로 바꿔야 하는 경우 pandas.wide_to_long과 같은 다른 옵션이 있습니다.

위 내용은 Pandas에서 DataFrame을 효율적으로 피벗하려면 어떻게 해야 합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!