Python Pandas crosstab方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"name":["alex","bob","cathy","doge"], "gender":["male","male","female","male"], "age":[50,20,40,20]})
df



   name   gender  age
0  alex   male    50
1  bob    male    20
2  cathy  female  40
3  doge   male    20

基本用法

获取不同年龄的男性和女性的数量：

pd.crosstab(index=df["age"], columns=df["gender"])



    gender  female   male
age		
20            0       2
40            1       0
50            0       1

在此，请注意以下事项：

• 我们看到每个配置文件的计数细目。例如，我们有 2 名 20 岁的男性。

• 标签 gender 是分配给列的名称。

指定行名和列名

为结果行和列指定特定名称：

pd.crosstab(index=df["age"], columns=df["gender"], rownames=["AGE"], colnames=["GENDER"])



GENDER  female  male
AGE		
20        0      2
40        1      0
50        0      1

在这里，我们展示相同的df供您参考：

df



   name   gender  age
0  alex   male    50
1  bob    male    20
2  cathy  female  40
3  doge   male    20

指定 aggfunc

除了计数之外，我们还可以计算其他统计数据。例如，计算每个性别的平均年龄：

pd.crosstab(index=df["gender"], columns=["AGE"], values=df["age"], aggfunc=np.mean)



col_0   AGE
gender	
female  40
male    30

注意以下事项：

• 我们正在使用 Numpy 的 mean(~) 函数。

• 如果指定 aggfunc ，则还必须指定 values ，反之亦然。

指定边距和margins_name

我们可以通过指定 margins=True 来计算按行和按列的统计信息总和：

pd.crosstab(index=df["age"], columns=df["gender"], margins=True)



gender  female  male  All
age      
20       0      2     2
40       1      0     1
50       0      1     1
All      1      3     4

您还可以通过设置 margins_name 重命名新引入的列和行：

pd.crosstab(index=df["age"], columns=df["gender"], margins=True, margins_name="TOTAL")



gender  female  male  TOTAL
age			
20        0      2      2
40        1      0      1
50        0      1      1
TOTAL     1      3      4

指定 dropna

考虑以下带有缺失值的DataFrame：

df = pd.DataFrame({"name":["alex","bob","cathy","doge"], "gender":["male","male","female","male"], "age":[30,20,np.NaN,30]})
df



   name   gender  age
0  alex   male    30.0
1  bob    male    20.0
2  cathy  female  NaN
3  doge   male    30.0

使用 age 和 gender 计算交叉表：

pd.crosstab(index=df["age"], columns=df["gender"])



gender  male
age	
20.0     1
30.0     2

请注意 female 的列(其值应使用 NaN 填充)并不存在。这是 dropna=True 的默认行为。

我们可以通过设置 dropna=False 来选择保留该列，如下所示：

pd.crosstab(index=df["age"], columns=df["gender"], dropna=False)



gender  female  male
age		
20.0      0      1
30.0      0      2

请注意如何使用 0 填充 NaN。

指定标准化

考虑以下 DataFrame ：

df = pd.DataFrame({"name":["alex","bob","cathy","doge"], "gender":["male","male","female","male"], "age":[50,20,40,20]})
df



   name   gender  age
0  alex   male    50
1  bob    male    20
2  cathy  female  40
3  doge   male    20

默认情况下， normalize=False ，这意味着结果值未标准化：

pd.crosstab(index=df["age"], columns=df["gender"])



gender  female  male
age		
20        0      2
40        1      0
50        0      1

在这种情况下，归一化是将每个值除以值的总和。

正确或"all"

要使用所有值进行标准化，只需设置normalize=True，如下所示：

pd.crosstab(index=df["age"], columns=df["gender"], normalize=True)   # or normalize="all"



gender  female  male
age		
20      0.00    0.50
40      0.25    0.00
50      0.00    0.25

在这里，我们得到 0.50 ，因为 2/(2+1+1)=0.5 。

"rows"

要按行标准化，请像这样设置normalize="index"：

pd.crosstab(index=df["age"], columns=df["gender"], normalize="index")



gender  female  male
age		
20       0.0    1.0
40       1.0    0.0
50       0.0    1.0

"columns"

要按列标准化，请像这样设置normalize="columns"：

pd.crosstab(index=df["age"], columns=df["gender"], normalize="columns")



gender  female  male
age		
20       0.0    0.666667
40       1.0    0.000000
50       0.0    0.333333