반응형
* 제품군(Product_Type) 별로 월렌탈비용(Amount_Month) 평균 계산
df1.pivot_table(index = "Product_Type", values = "Amount_Month", aggfunc = 'mean' )
index = 구분하고자 하는 값. df의 index로 잡힘, values = 계산하고자 하는 값, aggfunc = 계산하고자 하는 통계량
![[Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = ) [Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = )](http://t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png)
* 제품군(Product_Type) 별, 계약 유형(Contract_Type)별 월렌탈비용(Amount_Month) 평균 계산
p1 = df1.pivot_table(index = ["Product_Type", "Contract_Type"], values = 'Amount_Month')
p1 #index로 빠져버림.
![[Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = ) [Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = )](http://t1.daumcdn.net/tistory_admin/static/images/no-image-v1.png)
* 제품군(Product_Type) 별, 계약 유형(Contract_Type)별 월렌탈비용(Amount_Month) 평균 계산
- index로 빠지지 않고 데이터로 남아 활용할 수 있게 됨
p1 = df1.pivot_table(index = ["Product_Type", "Contract_Type"], values = 'Amount_Month'). reset_index()
p1
p1.sort_values(by = "Amount_Month", ascending = False)
![[Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = ) [Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = )](https://blog.kakaocdn.net/dna/4VucW/btsDT4P2eJ9/AAAAAAAAAAAAAAAAAAAAAJ4FuFj7nLtkvxlT_wqIZ0nomLY5L0KGn-y2QvPpVpV-/img.png?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&expires=1753973999&allow_ip=&allow_referer=&signature=JVmtXefQcIMgQJXjfCzEy1xXoNE%3D)
* 결제은행 (Bank) 별 제품군(Product_Type)에 따른 월 렌탈 비용의 합
- index가 너무 길어짐.
df1.pivot_table(index = ["Product_Type", "Bank"], values = "Amount_Month", aggfunc = "sum")
![[Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = ) [Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = )](https://blog.kakaocdn.net/dna/wbOok/btsDKKlpRQt/AAAAAAAAAAAAAAAAAAAAAI7KMoZkT2LmJ2cnZ3h45hFW7uOpL9ZEVqdww1lDQVAC/img.png?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&expires=1753973999&allow_ip=&allow_referer=&signature=NfK94xAXot%2BzekoAC83Euhjxnyw%3D)
* 결제은행 (Bank) 별 제품군(Product_Type)에 따른 월 렌탈 비용의 합
- 층별화 시 범주형 항목이 많을 때, 직관적으로 데이터를 보기 위해 column = 사용하기도 함
df1.pivot_table(index = "Product_Type", columns = "Bank", values = "Amount_Month", aggfunc = "sum")
![[Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = ) [Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = )](https://blog.kakaocdn.net/dna/c729Ry/btsDQWFeQbe/AAAAAAAAAAAAAAAAAAAAAPpPLVrQND1l4GZeShC0CC2ZAyF4BHLgcGn82pOzExmd/img.png?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&expires=1753973999&allow_ip=&allow_referer=&signature=uXbePXc4lI1AEQDoL4nbijaYL6s%3D)
* 결제은행 (Bank) 별 제품군(Product_Type)에 따른 월 렌탈 비용의 합
- NaN 결측값을 0으로 바꿔줌
df1.pivot_table(index = "Product_Type", columns = "Bank", values = "Amount_Month", aggfunc = "sum", fill_value = 0)
![[Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = ) [Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = )](https://blog.kakaocdn.net/dna/UCmP5/btsDUerrSSP/AAAAAAAAAAAAAAAAAAAAANBGqfY7CNGMxNV7C0bvghe26mAnja0biPl23qW4y-d1/img.png?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&expires=1753973999&allow_ip=&allow_referer=&signature=OzEpqFrCN%2Boma4KcRWHDeMkySMY%3D)
![[Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = ) [Python] 피벗테이블 함수 사용 :: .pivot_table(index = , values = , aggfunc = )](https://blog.kakaocdn.net/dna/RvArK/btsDQfZCE7l/AAAAAAAAAAAAAAAAAAAAAJx8yX2pV51BCGJRDHXCG2KMM8TQPIakxjwX7Zd4kDt_/img.png?credential=yqXZFxpELC7KVnFOS48ylbz2pIh7yKj8&expires=1753973999&allow_ip=&allow_referer=&signature=4XcrcC9g1mpF6hGF2JNy6rpQUws%3D)
index에는 제품명, column에는 연도, values에는 판매액을 배치한 사례.
반응형
'🖥️ IT, 컴퓨터 > 🐍 Python' 카테고리의 다른 글
[Python] 내가 직접 만든 함수를 특정 데이터에 적용시키기 :: apply() (0) | 2024.01.23 |
---|---|
[Python] 파생변수 만들기 (0) | 2024.01.23 |
[Python] 파이썬 날짜 데이터로 변환, 연도/월/일/요일/주 추출 :: .to_datetime / dt.year / dt.month / dt.day / dt.day_name() / dt.isocalendar().week (0) | 2024.01.23 |
[Python] 파이썬 help로 함수 설명 확인하기 :: help(라이브러리 이름.함수 이름) (0) | 2024.01.23 |
[Python] 파이썬으로 기술통계량 확인하기 :: info / describe / unique / value_counts (0) | 2024.01.23 |
댓글