数据透视之交叉表 crosstab()
交叉表
不要被名字所迷惑，其实它也是二维的表结构，与pivot_table很相似，且是一个特殊的数据透视函数，它默认统计分组项的频次。
看一个例子
import numpy as npimport pandas as pdfrom pandas import crosstab
a = np.array(['apple','apple', 'orange', 'banana', 'orange'], dtype=object)
b = np.array(['china','china', 'ameri', 'ameri', 'korea'], dtype=object)
c = np.array([ 'good','good','good','good','better'],dtype=object)
pd.crosstab(a,[b,c])结果为：
col_0 ameri china koreacol_1 good good betterrow_0 apple 0 2 0banana 1 0 0orange 1 0 1这个怎么理解？ 其实就是轴0和轴1的组合后，每项出现的频次。实质等价于：
for it in zip(a,b,c): print(it)结果，大家可以看到apple,china,good这项出现的频次为2，其他频次都是1.
('apple', 'china', 'good')('apple', 'china', 'good')('orange', 'ameri', 'good')('banana', 'ameri', 'good')('orange', 'korea', 'better')同理，
pd.crosstab([a,b],[c])结果为：
col_0 better goodrow_0 row_1 apple china 0 2banana ameri 0 1orange ameri 0 1orange korea 1 0还是只有一项(apple, china, good)频次为2，和上面的原理一样。
原型和参数
crosstab函数也是Pandas中的顶层函数，函数参数包括：
其中 index, columns是必选参数，分别是行索引、列索引。
其他参数可以理解为与pivot_table一致，所以说它是一种特殊的透视表。
实际应用
df = DataFrame({'类别':['水果','水果','水果','蔬菜','蔬菜','肉类','肉类'], '产地':['美国','中国','中国','中国','新西兰','新西兰','美国'], '水果':['苹果','梨','草莓','番茄','黄瓜','羊肉','牛肉'], '数量':[5,5,9,3,2,10,8], '价格':[5,5,10,3,3,13,20]}) df #显示df 产地 价格 数量 水果 类别0 美国 5 5 苹果 水果1 中国 5 5 梨 水果2 中国 10 9 草莓 水果3 中国 3 3 番茄 蔬菜4 新西兰 3 2 黄瓜 蔬菜5 新西兰 13 10 羊肉 肉类6 美国 20 8 牛肉 肉类按照类别为index, 产地为columns，统计词条出现频次：
pd.crosstab(df['类别'],df['产地'],margins=True)比如类别为水果，产地在中国的出现频次为2，结果如下：
产地 中国 新西兰 美国 All类别 水果 2 0 1 3肉类 0 1 1 2蔬菜 1 1 0 2All 3 2 2 7如果想使用聚合函数，即aggfun参数，同时必须指明values列，如下：
pd.crosstab(df['类别'],df['产地'],values=df['价格'],aggfunc=np.max, margins=True)结果如下，看到实现效果与pivot_table是相似的。
总结crosstab本质：按照指定的index和columns统计数据帧中出现(index, columns)的频次。也可以理解为分组。
pivot_table, crosstab，聚合功能前面提到过是建立在groupby基础上的，所以最本质的还是一个分组统计功能
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-03-12，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读