HOWTO · Pandas

Pandas에서 그룹당 고유 값 계산

pandas 라이브러리의 df.groupby().nunique(), df.groupby().agg() 및 df.groupby(). unique() 메서드를 사용하여 DataFrame에서 열을 그룹화하여 값을 계산합니다.

이 페이지의 내용

DataFrame을 분석할 때는 열 전체가 아니라 각 그룹 안에 서로 다른 값이 몇 개씩 나타나는지 알아야 하는 경우가 많습니다. 예를 들어, 데이터 세트에 Countries의 각 항목이 어떤 code 값을 사용하는지 기록되어 있고 국가별로 개수를 하나씩 구하고 싶을 수 있습니다. pandas의 groupby() 연산은 이 작업을 위한 세 가지 실용적인 도구를 제공합니다:

  1. df.groupby().nunique()는 각 그룹에서 서로 다른 값의 개수를 반환합니다.
  2. df.groupby().agg()는 일반 집계 인터페이스를 통해 같은 개수를 구합니다.
  3. df.groupby().unique()는 각 그룹의 서로 다른 값 자체를 나열합니다.

아래 모든 예제는 국가와 코드 쌍으로 이루어진 아홉 개의 행으로 구성된 동일한 DataFrame을 사용합니다.

다음 예제를 실행해 보세요:

이 섹션의 코드와 표시되는 레이블 또는 출력은 영어로 유지됩니다.

import pandas as pd

data = [
    [999, "Switzerland"],
    [113, "Switzerland"],
    [112, "Japan"],
    [112, "Switzerland"],
    [113, "Canada"],
    [114, "Japan"],
    [100, "Germany"],
    [114, "Japan"],
    [115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
print(df)
   code    Countries
0   999  Switzerland
1   113  Switzerland
2   112        Japan
3   112  Switzerland
4   113       Canada
5   114        Japan
6   100      Germany
7   114        Japan
8   115      Germany

GroupBy.nunique()로 고유 값 개수 세기

그룹별로 서로 다른 값의 개수를 세는 가장 직접적인 방법은 nunique()입니다. groupby() 뒤에 code 열을 선택하면 그룹화된 객체가 그룹화된 Series로 바뀌므로, nunique()는 각 국가의 행 안에서 서로 다른 코드의 개수를 셉니다.

이 섹션의 코드와 표시되는 레이블 또는 출력은 영어로 유지됩니다.

import pandas as pd

data = [
    [999, "Switzerland"],
    [113, "Switzerland"],
    [112, "Japan"],
    [112, "Switzerland"],
    [113, "Canada"],
    [114, "Japan"],
    [100, "Germany"],
    [114, "Japan"],
    [115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
result = df.groupby("Countries")["code"].nunique()
print(result)
Countries
Canada         1
Germany        2
Japan          2
Switzerland    3
Name: code, dtype: int64

결과는 인덱스에 그룹 이름을, 값에 개수를 담은 Series입니다. 스위스는 서로 다른 코드 세 개를 사용하고, 독일과 일본은 각각 두 개, 캐나다는 한 개를 사용합니다. 그룹 키가 인덱스가 되었으므로 평평한 두 열짜리 DataFrame을 원하면 reset_index()를 호출하거나 다음 섹션의 agg() 형태를 사용하세요. 기본적으로 nunique()는 누락된(NaN) 항목을 세지 않습니다. 누락 값도 하나의 고유 값으로 세어야 한다면 dropna=False를 전달하세요.

GroupBy.agg()로 고유 값 개수 세기

agg()는 그룹화된 객체의 일반 집계 메서드입니다. 집계 함수로 nunique()를 전달하면 DataFrame.aggregate() 인터페이스를 통해 같은 개수를 얻으면서 결과의 형태를 더 세밀하게 제어할 수 있습니다.

이 섹션의 코드와 표시되는 레이블 또는 출력은 영어로 유지됩니다.

import pandas as pd

data = [
    [999, "Switzerland"],
    [113, "Switzerland"],
    [112, "Japan"],
    [112, "Switzerland"],
    [113, "Canada"],
    [114, "Japan"],
    [100, "Germany"],
    [114, "Japan"],
    [115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
result = df.groupby(by="Countries", as_index=False).agg({"code": pd.Series.nunique})
print(result)
     Countries  code
0       Canada     1
1      Germany     2
2        Japan     2
3  Switzerland     3

딕셔너리 {"code": pd.Series.nunique}는 agg()에 어떤 열을 집계하고 어떤 함수를 적용할지 알려줍니다. pd.Series.nunique는 앞 섹션에서 직접 호출한 것과 같은 연산이며, 이름을 문자열로 전달하는 방식인 agg({"code": "nunique"})도 동일하게 동작합니다. as_index=False 인수는 국가 이름을 인덱스로 옮기는 대신 일반 열로 유지하므로 result가 인덱스가 있는 Series가 아니라 평평한 DataFrame이 됩니다. 결과를 DataFrame으로 받고 싶거나 고유 값 개수가 한 번의 패스로 계산하는 여러 집계 중 하나일 때 이 형태를 사용하세요.

GroupBy["code"].unique()로 고유 값 나열하기

개수는 “몇 개인지"를 답하지만, 때로는 각 국가가 어떤 코드를 사용하는지 알아야 할 때도 있습니다. 그룹화된 Series에 unique()를 적용하면 서로 다른 값 자체를 반환합니다.

이 섹션의 코드와 표시되는 레이블 또는 출력은 영어로 유지됩니다.

import pandas as pd

data = [
    [999, "Switzerland"],
    [113, "Switzerland"],
    [112, "Japan"],
    [112, "Switzerland"],
    [113, "Canada"],
    [114, "Japan"],
    [100, "Germany"],
    [114, "Japan"],
    [115, "Germany"],
]
df = pd.DataFrame(data, columns=["code", "Countries"])
result = df.groupby("Countries")["code"].unique()
print(result)
Countries
Canada                   [113]
Germany             [100, 115]
Japan               [112, 114]
Switzerland    [999, 113, 112]
Name: code, dtype: object

결과의 각 항목은 해당 국가에서 발견된 서로 다른 code 값을 나타난 순서대로 담은 배열입니다. 스위스의 배열은 앞에서 센 세 개의 코드인 999, 113, 112를 확인해 줍니다. 모든 요소가 단일 숫자가 아니라 배열이므로 이 Series의 dtype은 object입니다. 주목할 만한 동작 차이가 하나 있습니다. unique()는 반환된 배열에 NaN을 포함하지만, nunique()는 기본적으로 누락 값을 건너뜁니다.

개수 세기와 값 나열 중 선택하기

질문이 정량적일 때, 즉 “각 국가가 서로 다른 코드를 몇 개 사용하는가?“를 물을 때는 nunique()를 선택하세요. 정렬하거나 필터링하거나 원래 행에 다시 조인할 수 있는 깔끔한 숫자 개수를 반환합니다. 각 행의 그룹 개수를 새 열로 붙이려면 그룹별 개수를 모든 행에 브로드캐스트하는 df.groupby("Countries")["code"].transform("nunique")를 사용하세요.

값의 정체가 중요할 때는 unique()를 선택하세요. 예를 들어 국가 간에 공유되는 코드를 점검하거나 값 목록을 이후 처리 단계로 넘길 때 유용합니다. 이미 unique() 결과를 가지고 있고 그 길이가 필요하다면 result.apply(len)으로 nunique()가 주는 것과 같은 개수를 재현할 수 있습니다.

마지막으로, 고유 값 개수가 더 넓은 집계의 일부일 때는 agg()를 사용하세요. 예를 들어 agg({"code": "nunique", "price": "sum"})은 한 번의 패스로 여러 그룹별 통계를 계산합니다. 요약하면 개수에는 nunique(), 값 자체에는 unique(), 그리고 DataFrame 결과가 필요하거나 개수를 다른 집계와 결합할 때는 agg()를 사용하면 됩니다.