05. 그룹, 중복값제거

1. 그룹으로 묶기

  

 

• 그룹으로 묶기

group by

데이터를 그룹으로 묶어 분석할 때 사용

 

 

 

 

          # DataFrame을 'group' 열로 그룹화

          df.groupby('group')

 

          # DataFrame을 'group' 열로 그룹화하고, 각 그룹의 각 열에 대해 NA/결측값이 아닌 항목의 수

          df.groupby('group').count()

 

          # DataFrame을 'group' 열로 그룹화하고, 각 그룹의 숫자형 열에 대해 평균을 계산

          df.groupby('group').mean(numeric_only=True)

 

          # DataFrame을 'group' 열로 그룹화하고, 각 그룹의 숫자형 열에 대해 합계를 계산

          df.groupby('group').sum(numeric_only=True)

 

          # DataFrame을 'gender' 열로 그룹화하고, 각 그룹의 숫자형 열에 대해 평균을 계산

          df.groupby('gender').mean(numeric_only=True)

 

  

 

---

✅ 문제 풀어보기

❔ 혈액형별로 그룹을 맺어, 키의 평균값을 확인

  

 

          df.groupby('blood')['height'].mean()

 

  

 

 

❔ 혈액형별로 그룹을 맺고, 성별로 또 그룹을 나눈 후 키의 평균값을 확인

 

 

          df.groupby(['blood', 'gender'])['height'].mean()

 

 

  

---

 

2. 중복값 제거

  

 

• 중복값 제거

drop_duplicates()	분복된 데이터를 제거
value_counts()	- 열의 각 값에 대한 데이터의 개수를 반환. - NaN은 생략
value_counts(dropna=False)	NaN 표기

 

• 중복된 데이터 제거하기

 

 

            #drop_duplicates() : 중복된 데이터를 제거

            df['blood'].drop_duplicates()

 

          # 'blood' 열에서 중복된 값을 제거하고, 마지막 중복 값만 남기기

          df['blood'].drop_duplicates(keep='last')

 

 

 

 

• 데이터 개수 확인

 

 

           # 'blood' 열의 각 값에 대한 데이터의 개수를 반환  (NaN 값은 생략)

           df['blood'].value_counts()

 

           # 'company' 열의 각 값에 대한 데이터의 개수를 반환(NaN 값은 생략)

           df['company'].value_counts()

 

           # 'company' 열의 각 값에 대한 데이터의 개수를 반환 (NaN 값도 포함)

           df['company'].value_counts(dropna=False)