[Pandas] pivot

정의

DataFrame.pivot(index, columns, values) 는 long-format → wide-format 변환. 한 열의 고유 값들이 새 컬럼이 되고, 원래 데이터는 그 자리에 배치된다.

집계가 없으므로 같은 (index, columns) 조합이 두 번 있으면 에러. 집계가 필요하면 Pandas pivot_table.

reshape 함수 생태계

flowchart LR
    subgraph "long-to-wide"
        PIVOT["pivot (집계 없음)"]
        PT["pivot_table (aggfunc 있음)"]
        UNSTACK["unstack (MultiIndex 기반)"]
    end

    subgraph "wide-to-long"
        MELT["melt (컬럼을 행으로)"]
        STACK["stack (컬럼 level을 index로)"]
    end

    subgraph "빈도 교차"
        CT["crosstab (빈도 교차표)"]
    end

    PIVOT --> MELT
    PT --> MELT
    UNSTACK --> STACK
    CT --> PT

기본: pivot

import pandas as pd
df = pd.DataFrame({
  'date': ['2024-01', '2024-01', '2024-02', '2024-02'],
  'product': ['A', 'B', 'A', 'B'],
  'sales': [100, 200, 150, 250],
})
result = df.pivot(index='date', columns='product', values='sales')
print(result)

product     A    B
date
2024-01   100  200
2024-02   150  250

Before (long-format):

After (wide-format):

행 라벨 (date) 는 유지, product 의 고유값 (A, B) 이 새 컬럼 이 됨.

여러 values

df.pivot(index='date', columns='product', values=['sales', 'qty'])
# MultiIndex 컬럼: ('sales','A'), ('sales','B'), ('qty','A'), ('qty','B')

중복 (index, columns) → 에러

df = pd.DataFrame({
    'date': ['2024-01', '2024-01'],
    'product': ['A', 'A'],   # 중복!
    'sales': [100, 50],
})
df.pivot(index='date', columns='product', values='sales')
# ValueError: Index contains duplicate entries, cannot reshape

해법: pivot_table (집계 사용).

pivot_table

집계가 필요하거나 중복이 있을 때 pivot_table 을 쓴다. 기본 aggfunc='mean'.

import pandas as pd

df = pd.DataFrame({
    'region': ['Seoul', 'Seoul', 'Busan', 'Busan', 'Seoul'],
    'product': ['A', 'B', 'A', 'B', 'A'],
    'sales':   [100, 200, 150, 250, 120],
    'qty':     [10, 20, 15, 25, 12],
})

# 기본 (mean)
df.pivot_table(index='region', columns='product', values='sales')

# sum 집계
df.pivot_table(index='region', columns='product', values='sales', aggfunc='sum')

# 여러 집계 함수
df.pivot_table(
    index='region',
    columns='product',
    values='sales',
    aggfunc=['sum', 'mean', 'count']
)

# 여러 values
df.pivot_table(
    index='region',
    columns='product',
    values=['sales', 'qty'],
    aggfunc='sum'
)

# 소계 (margins)
df.pivot_table(
    index='region', columns='product', values='sales',
    aggfunc='sum', margins=True, margins_name='Total'
)

aggfunc 옵션

pivot vs pivot_table

데이터가 이미 유니크 한 long-format 이면 pivot, 집계가 필요하면 pivot_table.

stack / unstack

DataFrame.unstack(level) 은 index 의 한 level 을 컬럼으로 올린다. pivot 의 MultiIndex 버전.

import pandas as pd

mi_df = pd.DataFrame(
    {'sales': [100, 200, 150, 250]},
    index=pd.MultiIndex.from_tuples(
        [('Seoul', 'A'), ('Seoul', 'B'), ('Busan', 'A'), ('Busan', 'B')],
        names=['region', 'product']
    )
)

# unstack: product level 을 컬럼으로
wide = mi_df.unstack('product')
print(wide)
# sales      A    B
# region
# Busan    150  250
# Seoul    100  200

# stack: 컬럼을 index level 로 (unstack 역변환)
long = wide.stack('product')
print(long)

pivot 이 일반 DataFrame 을 받는다면, unstack 은 MultiIndex DataFrame 을 받는다.

unstack 과 pivot 의 동치

# 아래 두 표현은 같은 결과
df.pivot(index='date', columns='product', values='sales')
df.set_index(['date', 'product'])['sales'].unstack('product')

자세히는 Pandas stack / unstack 참고.

melt (wide-to-long)

pivot 의 역변환. 여러 컬럼을 하나의 variable 컬럼 + value 컬럼으로 녹인다.

import pandas as pd

wide = pd.DataFrame({
    'date': ['2024-01', '2024-02'],
    'A':    [100, 150],
    'B':    [200, 250],
})

long = wide.melt(id_vars='date', var_name='product', value_name='sales')
print(long)

출력:

      date product  sales
0  2024-01       A    100
1  2024-02       A    150
2  2024-01       B    200
3  2024-02       B    250

id_vars 는 그대로 유지할 컬럼. value_vars 로 녹일 컬럼을 명시적으로 지정 가능.

wide.melt(id_vars='date', value_vars=['A', 'B'], var_name='product', value_name='sales')

자세히는 Pandas melt 참고.

crosstab

pd.crosstab 은 두 (이상의) 범주형 변수 간 빈도 교차표 를 만든다. pivot_table 의 count 집계 특수케이스.

import pandas as pd

df = pd.DataFrame({
    'city': ['Seoul', 'Seoul', 'Busan', 'Seoul', 'Busan'],
    'plan': ['pro', 'basic', 'pro', 'pro', 'basic'],
})

ct = pd.crosstab(df['city'], df['plan'])
print(ct)
# plan    basic  pro
# city
# Busan       1    1
# Seoul       1    2

# normalize: 비율로
pd.crosstab(df['city'], df['plan'], normalize='index')    # 행 기준 비율
pd.crosstab(df['city'], df['plan'], normalize='columns')  # 열 기준 비율
pd.crosstab(df['city'], df['plan'], normalize=True)       # 전체 비율

# margins=True: 소계 추가
pd.crosstab(df['city'], df['plan'], margins=True)

자세히는 Pandas crosstab 참고.

pivot 의 결과 처리

result = df.pivot(index='date', columns='product', values='sales')
result.columns.name = None        # 'product' 컬럼 이름 제거
result = result.reset_index()     # date 를 컬럼으로
result.columns = ['date', 'A_sales', 'B_sales']  # 컬럼 이름 변경

실전 분석 예시

월별 지역별 매출 분석:

import pandas as pd

df = pd.DataFrame({
    'month':  ['Jan', 'Jan', 'Feb', 'Feb', 'Mar', 'Mar'],
    'region': ['Seoul', 'Busan'] * 3,
    'sales':  [100, 80, 120, 90, 110, 95],
    'orders': [10, 8, 12, 9, 11, 10],
})

# 월별 지역별 매출 (wide)
pivot = df.pivot_table(
    index='month',
    columns='region',
    values='sales',
    aggfunc='sum',
    margins=True,
    margins_name='Total'
)

# 비율 분석
pivot_pct = pivot.div(pivot['Total'], axis=0)

# melt 로 다시 long
long = pivot.reset_index().melt(
    id_vars='month', var_name='region', value_name='sales'
)

자주 만나는 함정

1. NaN 발생

일부 (date, product) 조합이 없으면 NaN:

df.pivot(index='date', columns='product', values='sales')
# 없는 조합은 NaN

result.fillna(0)   # 0 으로 채우거나
result.dropna()    # 해당 행 제거

2. 컬럼 이름이 MultiIndex 가 됨

df.pivot(index='date', columns='product', values=['sales', 'qty'])
# 컬럼: ('sales','A'), ('sales','B'), ('qty','A'), ('qty','B')

# 평탄화
result.columns = ['_'.join(map(str, c)) for c in result.columns]

3. pivot_table 결과에 컬럼 이름 잔재

result = df.pivot_table(index='date', columns='product', values='sales', aggfunc='sum')
# result.columns.name 이 'product' 로 남아 있음
result.columns.name = None   # 제거

4. pivot_table 기본 aggfunc 가 mean

df.pivot_table(index='region', columns='product', values='sales')
# aggfunc 기본값이 'mean' 이므로 합계가 아님
# 합계가 필요하면 aggfunc='sum' 명시

관련 위키

• Pandas pivot_table
• Pandas melt
• Pandas stack / unstack
• Pandas crosstab
• Pandas groupby
• Pandas MultiIndex
• Pandas DataFrame