Python Pandas crosstab方法用法及代碼示例

例子

考慮以下 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

獲取不同年齡的男性和女性的數量：

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



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

在此，請注意以下事項：

• 我們看到每個配置文件的計數細目。例如，我們有 2 名 20 歲的男性。

• 標簽 gender 是分配給列的名稱。

指定行名和列名

為結果行和列指定特定名稱：

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

在這裏，我們展示相同的df供您參考：

df



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

指定 aggfunc

除了計數之外，我們還可以計算其他統計數據。例如，計算每個性別的平均年齡：

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



col_0   AGE
gender	
female  40
male    30

注意以下事項：

• 我們正在使用 Numpy 的 mean(~) 函數。

• 如果指定 aggfunc ，則還必須指定 values ，反之亦然。

指定邊距和margins_name

我們可以通過指定 margins=True 來計算按行和按列的統計信息總和：

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

您還可以通過設置 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

考慮以下帶有缺失值的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 計算交叉表：

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



gender  male
age	
20.0     1
30.0     2

請注意 female 的列(其值應使用 NaN 填充)並不存在。這是 dropna=True 的默認行為。

我們可以通過設置 dropna=False 來選擇保留該列，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

請注意如何使用 0 填充 NaN。

指定標準化

考慮以下 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

默認情況下， normalize=False ，這意味著結果值未標準化：

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



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

在這種情況下，歸一化是將每個值除以值的總和。

正確或"all"

要使用所有值進行標準化，隻需設置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

在這裏，我們得到 0.50 ，因為 2/(2+1+1)=0.5 。

"rows"

要按行標準化，請像這樣設置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"

要按列標準化，請像這樣設置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