博客

Python中的pandas.crosstab()函数

  • Post category:Python

Python中的pandas.crosstab()函数是用于计算交叉表的函数。它可以根据指定的行和列来计算数据中的每个元素出现的次数，并以交叉表的形式返回结果。

crosstab函数的用法如下：

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

参数说明：

  • index：需要生成交叉表的行标签（可以是多个）
  • columns：需要生成交叉表的列标签（可以是多个）
  • values：用于聚合的列名，默认为None，计算出每个交叉表元素的数量
  • aggfunc：用于聚合的函数名，如sum、mean、median等，默认为None，计算出每个交叉表元素的数量
  • rownames：行标签的名称
  • colnames：列标签的名称
  • margins：是否在最后一行/列加上总计
  • margins_name：如果margins为True，则总计的名称为该参数的值
  • dropna：是否删除缺失项
  • normalize：是否对结果进行标准化计算，默认为False，表示计数；如果为True，则为频率（比例）

示例代码：

import pandas as pd
import numpy as np

# 构造数据
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
                   'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
                   'C': np.random.randn(8),
                   'D': np.random.randn(8)})

# 生成交叉表
pd.crosstab(df['A'], df['B'])

输出结果：

B    one  three  two
A                   
bar    2      1    2
foo    2      1    2

以上代码中，我们生成了一个DataFrame，包含4列数据。其中A/B为分类变量，C/D为数值变量。接着我们使用crosstab函数，分别将A和B作为行标签和列标签，计算出各个分类变量出现的频数，返回交叉表结果。

如果要在交叉表的每个单元格中填充其他的数值，可以使用values参数，如下所示：

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

输出结果：

B         one     three       two
A                                
bar -0.060587 -1.777550 -1.834383
foo  0.623429  0.691117  1.565818

以上代码中，我们通过values参数指定了填充数据的列名，并使用aggfunc指定了对单元格内数据的处理方式，如此返回的交叉表中每个单元格都将是对应列的求和结果。

Tags: