3. 交叉表cross-tabulation:crosstab是一种用于计算分组频率的特殊透视表。我们可以使用pivot_table()函数实现透视表的功能，但是直接使用更方便：

  pandas.crosstab(index, columns, values=None, rownames=None, colnames=None, 
  aggfunc=None, margins=False, dropna=True, normalize=False) 

• index：一个array-like、Series或者前两种的列表。它给出了行的计算频数的数据。
• columns：一个array-like、Series或者前两种的列表。它给出了列的计算频数的数据。
• values：一个array-like，该数据用于聚合。如果出现了values，则必须提供aggfunc。
• aggfunc：一个函数对象，是聚合函数。如果出现了aggfunc，则必须提供values。
• rownames：一个序列。如果非空，则必须和结果的row index的level数量相等
• colnames：一个序列。如果非空，则必须和结果的column index的level数量相等
• margins：一个布尔值。如果为True，则添加行/列的总计。
• dropna：一个布尔值。如果为True，则结果不包含这样的列：该列所有元素都是NaN
• normalize：一个布尔值、字符串（'all'/'index'/'columns'）、或者整数0/1。它指定是否进行归一化处理（归一化为频率），否则就是频数。
  • 如果'all'/True，则对所有数据进行归一化
  • 如果为'index'：则对每一行归一化
  • 如果为'columns'：则对每一列归一化
  • 如果margins为True，则对margins也归一化。

values的作用是这样的：首先根据index-columns建立坐标。行坐标来自index，列坐标来自columns。在index-columns-values中，同一个坐标下的values组成Series。这个Series被aggfunc进行聚合，aggfunc接受一个Series，返回一个标量。此时就不再是对坐标点进行计数了，而是对values进行聚合。