[Python pandas] 유일한 값 찾기 : pd.Series.unique(), 유일한 값별로 개수 세기 : pd.Series.value_counts()

지난번 포스팅에서는 중복값 확인, 중복값 처리에 대해서 알아보았습니다.

 

이번 포스팅에서는 유일한 값(unique value)을 찾고 개수도 세어보기 위해서 Python pandas의

 

 - pd.Series.unique() 를 이용한 유일한 값 찾기

   (Return np.ndarray of unique values in the object)

 

 - pd.Series.value_counts() 를 이용한 유일한 값별 개수 세기

   (Returns object containing counts of unique values)

 

를 소개하겠습니다. 

 

 

 

데이터 전처리 및 탐색적 데이터 분석 단계에서 종종 사용하니 알아두면 좋겠습니다.

 

 

먼저, 필요한 모듈 불러오고, 예제 DataFrame을 만들어보겠습니다.

 

In [1]: import pandas as pd In [2]: import numpy as np In [3]: df = pd.DataFrame({'A': ['A1', 'A1', 'A2', 'A2', 'A3', 'A3'],    ...: 'B': ['B1', 'B1', 'B1', 'B1', 'B2', np.nan],    ...: 'C': [1, 1, 3, 4, 4, 4]}) In [4]: df Out[4]:     A    B  C 0  A1   B1  1 1  A1   B1  1 2  A2   B1  3 3  A2   B1  4 4  A3   B2  4 5  A3  NaN  4

 

 

 

(1) 유일한 값 찾기 : pd.Series.unique()

 

pd.Series.unique()는 np.ndarray를 반환합니다. DataFrame의 각 칼럼별로 indexing해서 unique()를 적용한 결과는 아래와 같습니다.

 

'B' 칼럼에 'NaN'도 unique()에 포함되었습니다.

 

In [5]: df['A'].unique() Out[5]: array(['A1', 'A2', 'A3'], dtype=object) In [6]: df['B'].unique() Out[6]: array(['B1', 'B2', nan], dtype=object) In [7]: df['C'].unique() Out[7]: array([1, 3, 4], dtype=int64)

 

 

 

(2) 유일한 값별로 개수 세기 : pd.Series.value_counts()

 

# eturns object containing counts of unique values pd.Series.value_counts(normalize=False, # False면 개수, True면 상대 비율 구함                               sort=True, # True면 개수 기준 정렬, False면 유일한 값 기준 정렬                               ascending=False, # False면 내림차순 정렬, True면 오름차순 정렬                           bins=None, # None이면 유일값 기준 개수, None아니면 Bins Group별 개수                               dropna=True # True면 NaN 무시, False면 유일값에 NaN 포함)

 

 

In [4]: df Out[4]:     A    B  C 0  A1   B1  1 1  A1   B1  1 2  A2   B1  3 3  A2   B1  4 4  A3   B2  4 5  A3  NaN  4   # returns of pd.Series.value_counts() by default setting In [8]: df['A'].value_counts() Out[8]: A3    2 A2    2 A1    2 Name: A, dtype: int64 In [9]: df['B'].value_counts() Out[9]: B1    4 B2    1 Name: B, dtype: int64 In [10]: df['C'].value_counts() Out[10]: 4    3 1    2 3    1 Name: C, dtype: int64

 

 

 

(2-1) 유일 값 별 상대적 비율 : pd.Series.value_counts(normalize=True)

 

In [4]: df Out[4]:     A    B   C 0  A1   B1  1 1  A1   B1  1 2  A2   B1  3 3  A2   B1  4 4  A3   B2  4 5  A3  NaN  4   In [11]: df['C'].value_counts(normalize=True) Out[11]: 4    0.500000 1    0.333333 3    0.166667 Name: C, dtype: float64

 

 

 

(2-2) 유일한 값 기준 정렬 : pd.Series.value_counts(sort=True, ascending=True)

 

sort=True, False 와 ascending=True, False 의 조합은 아래 예시의 3가지 경우의 수가 있습니다. 

 

[12] : 유일한 값의 개수 기준 내림차순 정렬 예시 (sort descending order by value_counts)

[13] : 유일한 값의 개수 기준 오름차순 정렬 예시 (sort ascending order by value_counts)

[14] : 유일한 값 기준 오름차순 정렬 예시 (유일한 값의 개수 기준 정렬은 없음)

 

In [4]: df Out[4]:     A    B   C 0  A1   B1  1 1  A1   B1  1 2  A2   B1  3 3  A2   B1  4 4  A3   B2  4 5  A3  NaN  4   # sort descending order by value_counts In [12]: df['C'].value_counts(sort=True, ascending=False) # by default Out[12]: 4    3 1    2 3    1 Name: C, dtype: int64   # sort ascending order by value_counts In [13]: df['C'].value_counts(sort=True, ascending=True) Out[13]: 3    1 1    2 4    3 Name: C, dtype: int64   # Don't sort by value_counts, but sort by unique value In [14]: df['C'].value_counts(sort=False) Out[14]: 1    2 3    1 4    3 Name: C, dtype: int64

 

 

 

(2-3) 결측값을 유일한 값에 포함할지 여부 : pd.Series.value_counts(dropna=True)

 

In [4]: df Out[4]:     A    B   C 0  A1   B1  1 1  A1   B1  1 2  A2   B1  3 3  A2   B1  4 4  A3   B2  4 5  A3  NaN  4   # dropna=True : Don’t include counts of NaN In [15]: df['B'].value_counts(dropna=True) # by default Out[15]: B1    4 B2    1 Name: B, dtype: int64   # dropna=False : Include counts of NaN In [16]: df['B'].value_counts(dropna=False) Out[16]: B1     4 B2     1 NaN    1 Name: B, dtype: int64

 

 

 

(2-4) Bins Group별 값 개수 세기 : pd.Series.value_counts(bins=[ , , ,])

 

In [4]: df Out[4]:     A    B   C 0  A1   B1  1 1  A1   B1  1 2  A2   B1  3 3  A2   B1  4 4  A3   B2  4 5  A3  NaN  4   In [17]: df['C'].value_counts(bins=[0, 1, 2, 3, 4, 5], sort=False) Out[17]: 0 2 1 0 2 1 3 3 4 0 Name: C, dtype: int64

 

 

아래의 pd.cut(Series, bins=[ , , , ]) 와 위의 결과가 동일하며, 위의 Series.value_counts(bins=[ , , , ])가 조금 더 사용하기 편리합니다.

 

In [18]: out = pd.cut(df['C'], bins=[0, 1, 2, 3, 4, 5]) In [19]: pd.value_counts(out) Out[19]: (3, 4] 3 (0, 1] 2 (2, 3] 1 (4, 5] 0 (1, 2] 0 Name: C, dtype: int64

 

 

많은 도움 되었기를 바랍니다.