[Pandas] stack & unstack을 이용한 데이터 재구조화

파이썬을 이용해 데이터프레임을 재구조화 하는 방식은 매우 다양하지만 이번글에서는 pandas에서 제공하는 stack과 unstack을 이용한 방식에 대해 정리하려고 합니다.

---

stack & unstack

데이터프레임을 일종의 블록이라고 가정하면 stack과 unstack은 마치 블록을 쌓고 분해하는 역할을 하는 함수라고 생각하면 편합니다.

• stack: 데이터프레임(블록)을 높게 쌓는 역할
• unstack: 데이터프레임(블록)을 넓게 분해하는 역할

 

구체적인 예시를 통해 stack과 unstack의 사용법에 대해 설명해보겠습니다.

In [1]:

import pandas as pd
import numpy as np
import seaborn as sns
tips = sns.load_dataset('tips')
tips.head()

Out [1]:

 

In [2]:

grouped_tips = tips.groupby(['sex', 'time']).mean()
grouped_tips

Out [2]:

기본으로 제공하는 tips 데이터셋을 불러온 후 sex와 time을 이용해 groupby를 진행했습니다.

stack()을 이용하여 위 grouped_tips를 높게 쌓아보겠습니다.

 

In [3]:

stacked_tips = grouped_tips.stack() # default: level=-1
stacked_tips

Out [3]:

sex     time              
Male    Lunch   total_bill    18.048485
                tip            2.882121
                size           2.363636
        Dinner  total_bill    21.461452
                tip            3.144839
                size           2.701613
Female  Lunch   total_bill    16.339143
                tip            2.582857
                size           2.457143
        Dinner  total_bill    19.213077
                tip            3.002115
                size           2.461538
dtype: float64

grouped_tips는 컬럼 level이 1까지만 존재하기 때문에 level 파라미터에 -2를 입력할 경우 다음과 같은 에러가 발생합니다.

IndexError: Too many levels: Index has only 1 level, -2 is not a valid level number

stack()을 적용한 stacked_tips는 level이 3개 있는 MultiIndex 입니다. 이럴 경우 다시 unstack() 파라미터 level을 각각 -1, 0, 1로 둘 때 각각 어떤 level이 컬럼으로 이동하는지 확인하시기 바랍니다.

 

In [4]:

stacked_tips.unstack(level=-1) # defualt = -1

Out [4]:

 

In [5]:

stacked_tips.unstack(level=0)

Out [5]:

 

In [6]:

stacked_tips.unstack(level=1)

Out [6]:

 

unstack()의 level을 -1로 두면 stack() 적용 이전과 동일해지고 0과 1인 경우 각각 sex와 time이 컬럼으로 이동합니다. level을 3으로 두면 total_bill, tip, size가 컬럼으로 이동하며 -1과 동일한 결과를 리턴하고 4이상 부터는 더 이상의 level이 존재하지 않기때문에 에러가 발생합니다.

---

References

• rfriend: [Python pandas] 데이터 재구조화(reshaping data) : pd.DataFrame.stack(), pd.DataFrame.unstack()