Функция Pandas pd.crosstab()

Pandas 常用函数 Pandas: общие функции

pd.crosstab()используется в библиотеке Pandas длявычисления перекрестной табуляциифункции. Она может вычислять частоту или агрегированную статистику двух или более переменных и создавать таблицу, подобную сводной таблице Excel.

Перекрестная табуляция — очень полезный инструмент в статистическом анализе, часто используемый для анализа связи между двумя или более категориальными переменными, например для подсчета числа сотрудников мужского и женского пола в разных отделах.

Значение слова： crosstab— это сокращение от «перекрестной табуляции», статистической таблицы, отображающей совместное распределение двух или более переменных.

Базовый синтаксис и параметры

pd.crosstab()— это функция верхнего уровня библиотеки Pandas, используемая для вычисления перекрестных табуляций.

Формат синтаксиса

pd.crosstab(index, columns, values=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)

Описание параметра

Параметр： index
- Тип: array-like, Series или list.
- Описание: Данные, используемые в качестве индекса строк. Может быть одним столбцом или несколькими столбцами (list).
Параметр： columns
- Тип: array-like, Series или list.
- Описание: Данные, используемые в качестве индекса столбцов. Может быть одним столбцом или несколькими столбцами (list).
Параметр： values
- Тип: array-like или None.
- Описание: Значения для агрегирования. Если указано, это должно использоваться вместе сaggfuncпараметра.
Параметр： aggfunc
- Тип: функция или строка.
- Описание: Функция агрегации (например, 'sum', 'mean', 'count' и т. д.). Когда указанаvaluesеё необходимо использовать.
Параметр： margins
- Тип: логическое значение.
- Описание: ЕслиTrue, добавьте итоги по строкам и столбцам. По умолчанию —False。
Параметр： normalize
- Тип: логическое значение или 'all', 'index', 'columns'.
- Описание: ЕслиTrue, разделите значения на общую сумму, чтобы получить пропорции (0-1). Также можно указать 'index' или 'columns', чтобы нормализовать по строкам или столбцам.

Описание функций

Возвращаемое значение: Возвращает DataFrame, представляющий взаимосвязь между двумя или более переменными.
Эффект: Создаёт таблицу, в которой строки и столбцы представляют различные категориальные переменные, а ячейки отображают соответствующую частоту или агрегированное значение.

Примеры

Давайте досконально освоим через серию примеров от простого к сложномуpd.crosstab()использование.

Пример 1: Базовое использование — перекрёстная табуляция двух категориальных переменных

Примеры

import pandas as pd

# 1. Создать данные сотрудников
employees = pd.DataFrame({
'department': ['Продажи', 'Продажи', 'Продажи', 'Инженерия', 'Инженерия', 'HR', 'HR', 'Продажи', 'Инженерия', 'HR'],
'gender': ['Мужской', 'Женский', 'Женский', 'Мужской', 'Мужской', 'Женский', 'Мужской', 'Женский', 'Женский', 'Мужской']
})

print("=== Данные сотрудников ===")
print(employees)

# 2. Вычислить кросс-табуляцию отдела и пола (частоту)
result = pd.crosstab(employees['department'], employees['gender'])
print("n=== pd.crosstab() Кросстабуляция отделов и пола ===")
print(result)

Ожидаемый вывод:

=== 员工数据 ===
   department  gender
0        Sales    Male
1        Sales  Female
2        Sales  Female
3  Engineering    Male
4  Engineering    Male
5           HR  Female
6           HR    Male
7        Sales  Female
8  Engineering  Female
9           HR    Male

=== pd.crosstab() 部门与性别交叉表 ===
gender        Female  Male
department
Engineering        1     2
HR                 1     2
Sales              3     1

Пояснение к коду:

В результирующей таблице отображается количество сотрудников мужского и женского пола в каждом отделе.

Пример 2: Добавление итогов по строкам/столбцам и нормализация

Используйтеmarginsпараметр для добавления итогов,normalizeпараметр для просмотра распределения долей.

Примеры

import pandas as pd

# Используйте приведённые выше данные о сотрудниках
employees = pd.DataFrame({
'department': ['Продажи', 'Продажи', 'Продажи', 'Инженерия', 'Инженерия', 'HR', 'HR', 'Продажи', 'Инженерия', 'HR'],
'gender': ['Мужской', 'Женский', 'Женский', 'Мужской', 'Мужской', 'Женский', 'Мужской', 'Женский', 'Женский', 'Мужской']
})

# 1. Добавьте итоги по строкам и столбцам
result_margins = pd.crosstab(employees['department'], employees['gender'], margins=True)
print("=== Добавление итогов (margins=True) ===")
print(result_margins)

# 2. Нормализация - преобразование в пропорции
print("n=== Общая нормализация (normalize=True) ===")
result_norm = pd.crosstab(employees['department'], employees['gender'], normalize=True)
print(result_norm.round(3))

# 3. Нормализация по строкам (сумма каждой строки равна 1)
print("n=== Нормализация по строкам (normalize='index') ===")
result_norm_index = pd.crosstab(employees['department'], employees['gender'], normalize='index')
print(result_norm_index.round(3))

# 4. Нормализация по столбцам (сумма каждого столбца равна 1)
print("n=== Нормализация по столбцам (normalize='columns') ===")
result_norm_col = pd.crosstab(employees['department'], employees['gender'], normalize='columns')
print(result_norm_col.round(3))

Ожидаемый вывод:

=== 添加合计 (margins=True) ===
gender        Female  Male  All
department
Engineering        1     2    3
HR                 1     2    3
Sales              3     1    4
All                5     5   10

=== 整体归一化 (normalize=True) ===
gender            Female  Male
department
Engineering      0.1   0.2
HR               0.1   0.2
Sales            0.3   0.1

=== 按行归一化 (normalize='index') ===
gender            Female  Male
department
Engineering    0.333   0.667
HR               0.333   0.667
Sales              0.75   0.25

=== 按列归一化 (normalize='columns') ===
gender            Female  Male
department
Engineering          0.2   0.4
HR                   0.2   0.4
Sales                0.6   0.2

Пояснение к коду:

Нормализация облегчает анализ пропорциональных соотношений и понимание относительного распределения пола в каждом отделе.
Нормализация по строкам показывает процентное распределение пола в каждом отделе.
Нормализация по столбцам показывает долю распределения каждого пола по отделам.

Пример 3: Несколько переменных и функции агрегирования

Вы можете использовать несколько переменных строк/столбцов и применять функции агрегирования для вычисления статистических значений.

Примеры

import pandas as pd
import numpy as np

# 1. Создание данных о продажах
sales = pd.DataFrame({
'region': ['North', 'North', 'South', 'South', 'East', 'East', 'West', 'West', 'North', 'South'],
'product': ['A', 'B', 'A', 'B', 'A', 'B', 'A', 'B', 'B', 'A'],
'quarter': ['Q1', 'Q1', 'Q1', 'Q1', 'Q2', 'Q2', 'Q2', 'Q2', 'Q2', 'Q2'],
'sales': [100, 150, 200, 180, 120, 160, 190, 170, 140, 210]
})

print("=== Данные о продажах ===")
print(sales)

# 2. Использование нескольких переменных строк
print("n=== Кросс-табуляция региона и продукта (частота) ===")
result_multi = pd.crosstab([sales['region'], sales['product']], sales['quarter'])
print(result_multi)

# 3. Используйте values и aggfunc для расчёта суммы продаж
print("n=== Общая сумма продаж по регионам и кварталам ===")
result_sum = pd.crosstab(sales['region'], sales['quarter'], values=sales['sales'], aggfunc='sum')
print(result_sum)

# 4. Вычислите среднюю сумму продаж
print("n=== Средняя сумма продаж по регионам и кварталам ===")
result_mean = pd.crosstab(sales['region'], sales['quarter'], values=sales['sales'], aggfunc='mean')
print(result_mean.round(1))

Ожидаемый вывод:

=== 销售数据 ===
   region product quarter  sales
0   North       A      Q1    100
1   North       B      Q1    150
2   South       A      Q1    200
3   South       B      Q1    180
4    East       A      Q2    120
5    East       B      Q2    160
6    West       A      Q2    190
7    West       B      Q2    170
8   North       B      Q2    140
9   South       A      Q2    210

=== 区域和产品的交叉表（频次）===
quarter               Q1  Q2
region product
East   A               0   1
       B               0   1
North  A               1   0
       B               1   1
South  A               1   1
       B               1   0
West   A               0   1
       B               0   1

=== 区域和季度的销售额合计 ===
quarter    Q1    Q2
region
East     NaN  280
North   250   140
South   380   210
West     NaN  360

=== 区域和季度的平均销售额 ===
quarter    Q1    Q2
region
East     NaN  140.0
North   125.0   140.0
South   190.0  210.0
West     NaN  180.0

Пояснение к коду:

Использование нескольких переменных-строк (в виде списка) позволяет создать кросс-табуляцию с многоуровневой индексацией.
Каждая ячейка отображает количество вхождений определённой комбинации регион-продукт в конкретном квартале.
Использование параметров values и aggfunc позволяет вычислять агрегаты фактических числовых значений (сумма, среднее и т. д.).

Пример 4: Обработка пропущенных значений

dropnaПараметр управляет тем, включаются ли пропущенные категории.

Примеры

import pandas as pd
import numpy as np

# 1. Данные, содержащие пропущенные значения
data = pd.DataFrame({
'A': ['a', 'a', 'b', np.nan, 'a', 'b'],
'B': ['x', 'y', 'x', 'x', np.nan, 'y']
})

print("=== Данные с пропущенными значениями ===")
print(data)

# 2. По умолчанию удаляются комбинации, содержащие пропущенные значения
result_drop = pd.crosstab(data['A'], data['B'])
print("n=== Удаление пропущенных значений по умолчанию (dropna=True) ===")
print(result_drop)

# 3. Включить пропущенные категории
result_keep = pd.crosstab(data['A'], data['B'], dropna=False)
print("n=== Включить пропущенные категории (dropna=False) ===")
print(result_keep)

Ожидаемый вывод:

=== 包含缺失值的数据 ===
     A    B
0    a    x
1    a    y
2    b    x
3  NaN    x
4    a  NaN
5    b    y

=== 默认移除缺失值 (dropna=True) ===
B    x  y
A
a    1  1
b    1  1

=== 包含缺失值 (dropna=False) ===
B      x    y  NaN
A
a      1    1    1
b      1    1    0
NaN    1    0    0

Пояснение к коду:

По умолчаниюdropna=Trueудалит строки и столбцы, содержащие пропущенные значения, отображая только валидные данные.
Используйтеdropna=Falseдля просмотра частоты комбинаций, содержащих пропущенные значения.

Совет: pd.crosstab()подходит для анализа взаимосвязей между категориальными переменными. Если вам нужна более сложная сводка данных (например, расчет нескольких агрегационных показателей), используйтеpd.pivot_table()функцию.

Pandas 常用函数 Pandas: общие функции

Другие расширения

Чтение и запись данных

Ядро обработки данных

Справочное руководство

Статистика и примеры

Функция Pandas pd.crosstab()

Базовый синтаксис и параметры

Формат синтаксиса

Описание параметра

Описание функций

Примеры

Пример 1: Базовое использование — перекрёстная табуляция двух категориальных переменных

Примеры

Пример 2: Добавление итогов по строкам/столбцам и нормализация

Примеры

Пример 3: Несколько переменных и функции агрегирования

Примеры

Пример 4: Обработка пропущенных значений

Примеры