[Python] Pandas _ Pivot

✅ Data Load & 컬럼 삭제 및 수정

    # Data Load

    # Indicator을 삭제하고 First Tooltip 컬럼에서 신뢰구간에 해당하는 표현을 지우기

    DataUrl = 'https://raw.githubusercontent.com/Datamanim/pandas/main/under5MortalityRate.csv'

    df = pd.read_csv(DataUrl)

    df.drop('Indicator', axis=1, inplace=True)

    df['First Tooltip'] = df['First Tooltip'].map(lambda x : float(x.split("[")[0]))

    Ans = df

    Ans.head(4)

 

✅ 특정 케이스 추출

    # 년도가 2015년 이상, Dim1이 Both sexes인 케이스만 추출

    target = df[(df.Period >= 2015) & (df.Dim1 == 'Both sexes')]

    Ans = target

    Ans.head(3)

 

✅ 특정 조건 데이터 프레임화 하기

    # 나라에 따른 년도별 사망률을 데이터 프레임화 하기

    Ans = target.pivot(index='Location',columns='Period',values='First Tooltip')

    Ans.head(3)

 

✅ Data Load (올림픽 메달리스트) & 한국 데이터만 추출

    # Data Load

    DataUrl = ('https://raw.githubusercontent.com/Datamanim/pandas/main/winter.csv')

    df = pd.read_csv(DataUrl)

    # 한국 데이터만 추출하기

    kr = df[df.Country == 'KOR']

    Ans = kr

    Ans.head(4)

 

✅ 한국 올림픽 메달리스트 데이터에서 년도에 따른 medal 갯수를 데이터프레임화

    # 한국 올림픽 메달리스트 데이터에서 년도에 따른 medal 갯수를 데이터프레임화

    Ans = kr.pivot_table(index='Year',columns='Medal',aggfunc='size').fillna(0)

    Ans

 

✅ 전체 데이터에서 Sport 종류에 따른 성별수를 구하라

    # 전체 데이터에서 Sport 종류에 따른 성별수를 구하라

    Ans = df.pivot_table(index='Sport',columns='Gender',aggfunc='size')

    Ans

 

✅ 전체 데이터에서 Discipline 종류에 따른 성별수를 구하라

    # 전체 데이터에서 Discipline 종류에 따른 Medal 수를 구하라

    Ans = df.pivot_table(index='Discipline',columns='Medal',aggfunc='size')

    Ans