pandas之分组统计列联表pd.crosstab()问题
作者：一只上班爱摸鱼的小菜鸡
这篇文章主要介绍了pandas之分组统计列联表pd.crosstab()问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
pandas分组的统计方式
| index | 减肥方式 | 血压含量 |
| 0 | 药物 | 高 |
| 1 | 饮食 | 低 |
| 2 | 锻炼 | 正常 |
| 3 | 抽脂 | 高 |
| 4 | 药物 | 高 |
| 5 | 抽脂 | 正 |
| ... | ||
| 498 | 药物 | 低 |
| 499 | 饮食 | 高 |
我们需要统计多个字段的次数
如下表数据：
减肥方式 \血压含量 | 药物 | 饮食 | 锻炼 | 抽脂 | 总和 |
| 高 | 50 | 38 | 38 | 30 | 156 |
| 正常 | 46 | 40 | 40 | 45 | 171 |
| 低 | 37 | 44 | 37 | 55 | 173 |
| 总和 | 133 | 122 | 115 | 130 | 500 |
通常多个组的统计可以采用
DataFrame.groupby(by=['减肥方式','血压含量'])['减肥方式'].count().reset_index(name='次数')
这里我们能看到我们采用分组统计之后，能详细看到表格的统计，但是却不利于开发的统计
附下，采用分组统计的方式
def list_set(list_1):
list_2 = list(set(list_1))
list_2.sort(key=list_1.index)
return list_2
def func(df,df_title_X,df_title_Y):
df_data = df.groupby(by=[df_title_X,df_title_Y])[df_title_X].count().reset_index(name='次数')
data_dict = {}
for i in df_data[df_data.columns[0]]:
data_dict[i] = {}
for a in df_data[df_data.columns[1]]:
data_dict[i][a] = {}
for i in range(df_data.shape[0]):
data_dict[df_data[df_data.columns[0]].loc[i]][df_data[df_data.columns[1]].loc[i]] = df_data[df_data.columns[2]].loc[i]
l = [list(i.values()) for i in data_dict.values()]
return pd.DataFrame(np.array(l).T,columns=list_set(df_data[df_title_X].to_list()),
index=list_set(df_data[df_title_X].to_list()))
print(func(df,'减肥方式','血压含量'))结果如下：
在查阅pandas的官方文档之后，我们了解到了这种叫做列联表,pandas.crosstab()的函数
import pandas as pd pd.crosstab()
print(pd.crosstab(df['血压含量'],df['减肥方式'],margins=True,margins_name='总和')) print(pd.crosstab(df['血压含量'],df['减肥方式'],margins=True,margins_name='总和').to_dict())
后续还有透视表pandas.pivot_table()，就自行查看pandas的官方文档。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。