pivot은 영어로 ‘축을 중심으로 회전하다’ 라는 뜻을 가지고 있습니다. DataFrame에서 pivot_table의 의미는 컬럼과 인덱스를 자유자재로 회전시키며 DataFrame의 형태를 바꾸는 것을 의미합니다.
DataFrame객체의 pivot_table()함수를 사용합니다. pivot_table()함수에서 가장 중요한 속성은 바로 values, index, columns, aggfuncs입니다.
values는 컬럼 중에서 새로운 DataFrame의 내용으로 만들 컬럼을 바인딩합니다.
index는 컬럼 중에서 index로 만들고 싶은 컬럼을 리스트 형태로 속성값으로 바인딩합니다.
columns는 선택 한 데이터를 다시 특정한 컬럼의 주제로 나누고 싶을 때 컬럼명을 속성 값으로 바인딩합니다.
aggfunc은 통계데이터를 넣습니다. pivot_table함수는 DataFrame을 재정렬하고 특정한 컬럼 데이터로 DataFrame을 만드는 것이기 때문에 groupby함수처럼 꼭 통계함수를 적용해줘야 합니다.
df.pivot_table( values=None, index=None, columns=None, aggfunc=’mean’, fill_value=None, margins=False, dropna=True, margins_name=’All’, observed=False, ) -> ‘DataFrame’
Docstring:
Create a spreadsheet-style pivot table as a DataFrame.The levels in the pivot table will be stored in MultiIndex objects(hierarchical indexes) on the index and columns of the result DataFrame.
values : column to aggregate, optional
index : column, Grouper, array, or list of the previous If an array is passed, it must be the same length as the data. The list can contain any of the other types (except list).
Keys to group by on the pivot table index. If an array is passed,it is being used as the same manner as column values.columns : column, Grouper, array, or list of the previous If an array is passed, it must be the same length as the data. The list can contain any of the other types (except list).
Keys to group by on the pivot table column. If an array is passed, it is being used as the same manner as column values.aggfunc : function, list of functions, dict, default numpy.mean If list of functions passed, the resulting pivot table will have hierarchical columns whose top level are the function names (inferred from the function objects themselves)
If dict is passed, the key is column to aggregate and value is function or list of functions.fill_value : scalar, default None
Value to replace missing values with.margins : bool, default False
Add all row / columns (e.g. for subtotal / grand totals).dropna : bool, default True
Do not include columns whose entries are all NaN.margins_name : str, default ‘All’
Name of the row / column that will contain the totals when m argins is True.observed : bool, default False
This only applies if any of the groupers are Categoricals.
If True: only show observed values for categorical groupers. If False: show all values for categorical groupers.
.. versionchanged:: 0.25.0
DataFrame An Excel style pivot table.
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
data = {
"도시":['서울','서울','서울','부산','부산','부산','인천','인천'],
"연도":["2015","2010","2005","2015","2010","2005","2015","2010"],
"인구":[9904312, 963148, 976254, 34487,333231,300231,2890564,257812],
"지역":['수도권','수도권','수도권','경상권','경상권','경상권','수도권','수도권']
}
df = DataFrame(data)
df
'''
도시 연도 인구 지역
0 서울 2015 9904312 수도권
1 서울 2010 963148 수도권
2 서울 2005 976254 수도권
3 부산 2015 34487 경상권
4 부산 2010 333231 경상권
5 부산 2005 300231 경상권
6 인천 2015 2890564 수도권
7 인천 2010 257812 수도권
'''
위 DataFrame을 가지고 pivot_table()함수를 써보겠습니다.
print(df.pivot_table(index=['도시'], values='인구')) #aggfunc의 default는 mean함수.
'''
인구
도시
부산 2.226497e+05
서울 3.947905e+06
인천 1.574188e+06
'''
print(df.pivot_table(index=['도시'], columns='연도', values='인구'))
'''
연도 2005 2010 2015
도시
부산 300231.0 333231.0 34487.0
서울 976254.0 963148.0 9904312.0
인천 NaN 257812.0 2890564.0
'''
print(df.pivot_table(index=['도시','지역'], values='인구'))
'''
인구
도시 지역
부산 경상권 2.226497e+05
서울 수도권 3.947905e+06
인천 수도권 1.574188e+06
'''
print(df.pivot_table(index=['도시','지역'], columns='연도', values='인구'))
'''
연도 2005 2010 2015
도시 지역
부산 경상권 300231.0 333231.0 34487.0
서울 수도권 976254.0 963148.0 9904312.0
인천 수도권 NaN 257812.0 2890564.0
'''
위의 예시와 같이 기존의 DataFrame을 자유자재로 변형할 수 있다.