pandas 笔记crosstab

用来计算两个（或更多）因子的交织表（即频率表、列联表或透视表）。这个功能特别适用于统计分析和数据探索阶段，帮助理解差异变量之间的关系
1 基本用法

1. pd.crosstab(index,
2.     columns,
3.     values=None,
4.     rownames=None,
5.     colnames=None,
6.     aggfunc=None,
7.     margins=False,
8.     margins_name='All',
9.     dropna=True,
10.     normalize=False)

复制代码

2 参数说明

index	用作表的行标签的数组、序列或数组列表
columns	用作表的列标签的数组、序列或数组列表
values	可选，数组或序列，当利用 aggfunc 不为空时，这个参数用来计算聚合值
rownames	用于结果DataFrame的行标签的名称列表
colnames	用于结果DataFrame的列标签的名称列表
aggfunc	可选，用于聚合的函数或函数列表。如果提供了 values，则必要这个参数
margins	布尔值，是否添加行/列边际小计或总计
margins_name	边际的名称，默认是 'All
dropna	布尔值，是否删除全部条目都为NaN的列
normalize	布尔值或 {'all', 'index', 'columns'}，用于规范化频率表的总和

3 举例

3.1 基本例子

假设有一个关于人口的数据集，我们有性别和职业两个列

1. import pandas as pd
3. data = {
4.     'Sport': ['Soccer', 'Soccer', 'Tennis', 'Soccer', 'Tennis', 'Basketball', 'Basketball'],
5.     'Age Group': ['Youth', 'Adult', 'Adult', 'Youth', 'Youth', 'Adult', 'Youth']
6. }
8. df = pd.DataFrame(data)
9. df

复制代码

现在我们想要检察差异职业中性别的分布情况：

1. ct = pd.crosstab(index=df['Age Group'], columns=df['Sport'])
2. ct

复制代码

3.2 聚合函数 values,aggfunc

如果你有一个包含多个雷同记录的数据集，而且你想要计算某些数值的总和或平均值，你可以利用 values 和 aggfunc 参数

1. data = pd.DataFrame({
2.     'Gender': ['Male', 'Female', 'Female', 'Male', 'Female', 'Male', 'Male'],
3.     'Occupation': ['Engineer', 'Doctor', 'Engineer', 'Artist', 'Doctor', 'Artist', 'Engineer'],
4.     'Salary': [1000, 1500, 900, 1100, 1700, 1200, 1300]
5. })
6. data

复制代码

不用聚合函数的情况：

1. pd.crosstab(data['Gender'], data['Occupation'])

复制代码

利用聚合函数的情况

1. pd.crosstab(data['Gender'], data['Occupation'], values=data['Salary'], aggfunc='mean')

复制代码

3.3 margins

利用 margins=True 可以快速获得每一行和每一列的总计，以及整个表的总计。

1. pd.crosstab(data['Gender'],
2.     data['Occupation'],
3.     values=data['Salary'],
4.     aggfunc='mean',
5.     margins=True)

复制代码

3.4 normalize

用于标准化交织表的数据

• False (默认): 不举行任何标准化，表现原始的频数数据。
  
• True: 将全部的频数转换为表中全部元素的比例。全部表格中的数值加起来即是 1。
  
• 'all': 同 True，将全部频数转换为表中全部元素的比例。
  
• 'index': 按行举行标准化。每一行的数值将会除以该行的总和，使得每一行的总和为 1。
  
• 'columns': 按列举行标准化。每一列的数值将会除以该列的总和，使得每一列的总和为 1。
  

1. pd.crosstab(data['Gender'],
2.             data['Occupation'],
3.             values=data['Salary'],
4.             aggfunc='mean',
5.             normalize='columns',
6.             margins=True)

复制代码

1. pd.crosstab(data['Gender'], `
2.             data['Occupation'],
3.             values=data['Salary'],
4.             aggfunc='mean',
5.             normalize='columns',
6.             margins=True)

复制代码

 

1. pd.crosstab(data['Gender'],
2.             data['Occupation'],
3.             values=data['Salary'],
4.             aggfunc='mean',
5.             normalize='index',
6.             margins=True)

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。