[python] 문자를 날짜로 datetime이용해 변환/그룹별 특정 칼럼의 비율, 누적합, 누적비율계산

1. 문자를 날짜로 datetime이용해 변환하기

datetime 모듈이용

import pandas as pd
import datetime as dt
a = pd.DataFrame({'date':['2020-01-01','2020-02-11','2020-03-03'],
                 'color':['red','red','blue'],
                 'age': [20,30,40]})
a

 

	date	color	age
0	2020-01-01	red	20
1	2020-02-11	red	30
2	2020-03-03	blue	40

date의 데이터타입이 여기서 string 즉, 문자열이다.

그러나 날짜 데이터를 분석할 때에 datetime형으로 타입을 바꿔주면 분석하기 수월하다. 
그래서 데이터타입 변경을 해보자. a['date'] = pd.to_datetime(a['date']) a.dtypes

 

아래 결과를 보면 date의 타입은 datetime으로 변경된 것을 알 수 있다.

a['date'] = pd.to_datetime(a['date'])
a.dtypes

date     datetime64[ns]
color            object
age               int64
dtype: object

2. 그룹별 특정 칼럼의 값의 , 비율, 누적비율계산하기

groupby, cumsum, apply함수를 이용하기

import pandas as pd
import datetime as dt
a = pd.DataFrame({'date':['2020-01-01','2020-02-11','2020-03-03','2020-04-01'],
                 'color':['red','red','blue','blue'],
                 'age': [20,30,40,70]})
a

	date	color	age
0	2020-01-01	red	20
1	2020-02-11	red	30
2	2020-03-03	blue	40
3	2020-04-01	blue	70

위와 같은 데이터프레임을 사용한다고 하자. 여기서 color별 age의 와 값의 비율 그리고 누적비율을 계산해보자.

 

A = a.groupby(['color','age']).size().to_frame()
A = A.reset_index()
A = A.rename(columns={0:'count'})
A['cum_count'] = A.groupby('color')['age'].cumsum(axis=0)
A['norm_count'] = A.groupby('color')['age'].apply(lambda x : x/sum(x))
A['cum_norm_count'] = A.groupby('color')['norm_count'].cumsum(axis=0)
A

 

코드를 해석하자면

A = a.groupby(['color','age']).size().to_frame()
A

color	age
blue	40	1
	70	1
red	20	1
	30	1

 

 

다음과 같은 데이터프레임을 구할 수 있다. 여기서 부턴 groupby함수를 사용해 function을 적용하면 된다.

A['cum_count'] = A.groupby('color')['age'].cumsum(axis=0)
A['norm_count'] = A.groupby('color')['age'].apply(lambda x : x/sum(x))
A['cum_norm_count'] = A.groupby('color')['norm_count'].cumsum(axis=0)
A

우선 cumsum은 color별 age의 합을 더해 누적해준다. 그리고 color별 age값을 정규화해주는 함수는 apply, lambda를 사용해 x/sum(x)해주어 색깔별 나이의 값이 차지하는 비율을 구한다.

 

마지막으로 정규화해 나타낸 비율을 누적합한 것을 데이터프레임에 담았다.

	color	age	count	cum_count	norm_count	cum_norm_count
0	blue	40	1	40	0.363636	0.363636
1	blue	70	1	110	0.636364	1.000000
2	red	20	1	20	0.400000	0.400000
3	red	30	1	50	0.600000	1.000000

다음과 같은 결과값을 얻을 수 있다.