Hướng dẫn how do you do a cross tabulation in python? - làm thế nào để bạn thực hiện một bảng chéo trong python?

Tính toán một bảng chéo đơn giản của hai (hoặc nhiều) các yếu tố.

Theo mặc định, tính toán một bảng tần số của các yếu tố trừ khi một mảng các giá trị và hàm tổng hợp được truyền.

Giá trị để nhóm theo các hàng.

Giá trị để nhóm theo các cột.

Mảng các giá trị để tổng hợp theo các yếu tố. Yêu cầu AGGFUNC được chỉ định.

Nếu được thông qua, phải khớp với số lượng mảng hàng được truyền.

Nếu được thông qua, phải khớp với số mảng cột được truyền.

Nếu được chỉ định, cũng yêu cầu các giá trị được chỉ định.

Thêm lề hàng/cột (phụ).

Tên của hàng/cột sẽ chứa tổng số khi lề là đúng.

Không bao gồm các cột có các mục nhập đều là NAN.

Bình thường hóa bằng cách chia tất cả các giá trị cho tổng các giá trị.

• Nếu được thông qua ‘tất cả các thành viên hoặc đúng, sẽ bình thường hóa trên tất cả các giá trị.

• Nếu được thông qua ‘Index, sẽ bình thường hóa trên mỗi hàng.

• Nếu được truyền ‘cột, sẽ bình thường hóa trên mỗi cột.

• Nếu lề là đúng, cũng sẽ bình thường hóa các giá trị ký quỹ.

Tab cross của dữ liệu.

Ghi chú

Bất kỳ loạt nào được thông qua sẽ có các thuộc tính tên của chúng được sử dụng trừ khi tên hàng hoặc cột cho bảng xếp hạng chéo được chỉ định.

Bất kỳ đầu vào nào được truyền có chứa dữ liệu phân loại sẽ có tất cả các danh mục của nó được bao gồm trong phân loại chéo, ngay cả khi dữ liệu thực tế không chứa bất kỳ trường hợp nào của một danh mục cụ thể.all of its categories included in the cross-tabulation, even if the actual data does not contain any instances of a particular category.

Trong trường hợp có các chỉ mục chồng chéo, một khung dữ liệu trống sẽ được trả về.

Tham khảo Hướng dẫn sử dụng để biết thêm ví dụ.the user guide for more examples.

Ví dụ

>>> a = np.array(["foo", "foo", "foo", "foo", "bar", "bar",
...               "bar", "bar", "foo", "foo", "foo"], dtype=object)
>>> b = np.array(["one", "one", "one", "two", "one", "one",
...               "one", "two", "two", "two", "one"], dtype=object)
>>> c = np.array(["dull", "dull", "shiny", "dull", "dull", "shiny",
...               "shiny", "dull", "shiny", "shiny", "shiny"],
...              dtype=object)
>>> pd.crosstab(a, [b, c], rownames=['a'], colnames=['b', 'c'])
b   one        two
c   dull shiny dull shiny
a
bar    1     2    1     0
foo    2     2    1     2

Ở đây, C, và F, không được trình bày trong dữ liệu và sẽ không được hiển thị trong đầu ra vì Dropna là đúng theo mặc định. Đặt dropna = false để bảo tồn các danh mục không có dữ liệu.

>>> foo = pd.Categorical(['a', 'b'], categories=['a', 'b', 'c'])
>>> bar = pd.Categorical(['d', 'e'], categories=['d', 'e', 'f'])
>>> pd.crosstab(foo, bar)
col_0  d  e
row_0
a      1  0
b      0  1
>>> pd.crosstab(foo, bar, dropna=False)
col_0  d  e  f
row_0
a      1  0  0
b      0  1  0
c      0  0  0