pandas 交叉表 crosstab

更新时间：2020-06-01 15:49:51 标签：pandas 交叉表

看过来

《pandas 教程》持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

本教程作者所著新书《Python之光：Python编程入门与实战》（ISBN：9787111729891）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

交叉表是用于统计分组频率的特殊透视表。简单来说，就是将两个或者多个列重中不重复的元素组成一个新的 DataFrame，新数据的行和列交叉的部分值为其组合在原数据中的数量。

逻辑图示

pandas-crosstab

语法结构

语法结构如下：

pd.crosstab(index, columns, values=None, rownames=None,
colnames=None, aggfunc=None, margins=False,
margins_name: str = 'All', dropna: bool = True,
normalize=False) → 'DataFrame'

参数说明：

index：类数组，在行中按分组的值。
columns：类数组的值，用于在列中进行分组。
values：类数组的，可选的，要根据因素汇总的值数组。
aggfunc：函数，可选，如果未传递任何值数组，则计算频率表。
rownames：序列，默认为None，必须与传递的行数组数匹配。
colnames：序列，默认值为None，如果传递，则必须与传递的列数组数匹配。
margins：布尔值，默认为False，添加行/列边距（小计）
normalize：布尔值，{'all'，'index'，'columns'}或{0,1}，默认为False。通过将所有值除以值的总和进行归一化。

案例

在下例中，A B 两列进行交叉，A 有不重复的值 1和2，B 有3和4。交叉后组成了新的数据，具体的值为对应行列上的组合在原数据中的数量。

df = pd.DataFrame({'A': [1, 2, 2, 2, 2],
                   'B': [3, 3, 4, 4, 4],
                   'C': [1, 1, np.nan, 1, 1]})
'''
   A  B    C
0  1  3  1.0
1  2  3  1.0
2  2  4  NaN
3  2  4  1.0
4  2  4  1.0
'''

pd.crosstab(df['A'], df['B'])
'''
B  3  4
A
1  1  0
2  1  3
'''

可以对 Categorical 分类类型数据进行交叉：

foo = pd.Categorical(['a', 'b'], categories=['a', 'b', 'c'])
bar = pd.Categorical(['d', 'e'], categories=['d', 'e', 'f'])
pd.crosstab(foo, bar)
'''
col_0  d  e
row_0
a      1  0
b      0  1
'''

归一化

对交叉结果进行归一化：

pd.crosstab(df['A'], df['B'], normalize=True)
'''
B    3    4
A
1  0.2  0.0
2  0.2  0.6
'''

对每列进行归一化：

pd.crosstab(df['A'], df['B'], normalize='columns')
'''
B    3    4
A
1  0.5  0.0
2  0.5  1.0
'''

聚合

指定列做为值，并将这些值按一定算法进行聚合：

pd.crosstab(df['A'], df['B'], values=df['C'], aggfunc=np.sum)
'''
B    3    4
A
1  1.0  NaN
2  1.0  2.0
'''

边距汇总

在最右边增加一个汇总列：

pd.crosstab(df['A'], df['B'],
            values=df['C'],
            aggfunc=np.sum,
            normalize=True,
            margins=True)

'''
B       3    4   All
A
1    0.25  0.0  0.25
2    0.25  0.5  0.75
All  0.50  0.5  1.00
'''

<< 数据堆叠 Stack pandas 教程数据融合 Melt >>