交叉表与透视表的作用
- 交叉表：计算一列数据对于另外一列数据的分组个数
- 透视表：指定某一列对另一列的关系
一、透视表
透视表是一种可以对数据动态排布并且分类汇总的表格格式。
透视表： 透视表是将原有的DataFrame的列分别作为行索引和列索引，然后对指定的列应用聚集函数
- data.pivot_table(）
- DataFrame.pivot_table([], index=[])
比如： pd.pivot_table(data=df, index='date', values='values', aggfunc=np.sum) 以 date 列作为行索引对values列进行分组聚合（sum）操作。
import numpy as np
import pandas as pd
date = ['2017-5-1', '2017-5-2', '2017-5-3'] * 3
rng = pd.to_datetime(date)
df = pd.DataFrame({'date': rng,
'key': list('abcdabcda'),
'values': np.random.rand(9) * 10})
print("df = \n", df)
print('-' * 200)
x1 = pd.pivot_table(data=df, values='values', index='date', aggfunc=np.sum)
print("x1 = pd.pivot_table(data=df, values='values', index='date', aggfunc=np.sum) = \n", x1)
print('-' * 200)
x2 = pd.pivot_table(df, values='values', index=['date', 'key'], aggfunc=np.sum)
print("x2 = pd.pivot_table(df, values='values', index=['date', 'key'], aggfunc=np.sum) = \n", x2)
print('-' * 200)
x3 = pd.pivot_table(df, values='values', index=['date', 'key'], aggfunc=len)
print("x3 = pd.pivot_table(df, values='values', index=['date', 'key'], aggfunc=len) = \n", x3)
print('-' * 200)
打印结果：
df =
date key values
0 2017-05-01 a 6.331764
1 2017-05-02 b 0.139295
2 2017-05-03 c 7.775829
3 2017-05-01 d 0.366474
4 2017-05-02 a 9.533083
5 2017-05-03 b 0.671094
6 2017-05-01 c 5.951416
7 2017-05-02 d 5.920482
8 2017-05-03 a 6.119202
x2 = pd.pivot_table(df, values='values', index=['date', 'key'], aggfunc=np.sum) =
values
date key
2017-05-01 a 6.331764
c 5.951416
d 0.366474
2017-05-02 a 9.533083
b 0.139295
d 5.920482
2017-05-03 a 6.119202
b 0.671094
c 7.775829
Process finished with exit code 0
二、交叉表
交叉表： 交叉表用于计算一列数据对于另外一列数据的分组个数(用于统计分组频率的特殊透视表)
- pd.crosstab(value1, value2)
import numpy as np
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 2, 2, 2],
'B': [3, 3, 4, 4, 4],
'C': [1, 1, np.nan, 1, 1]})
print("df = \n", df)
print('-' * 200)
x1 = pd.crosstab(df['A'], df['B'])
print("pd.crosstab(df['A'], df['B']) = \n", x1)
print('-' * 200)
x2 = pd.crosstab(df['A'], df['B'], normalize=True)
print("x2 = pd.crosstab(df['A'], df['B'], normalize=True) = \n", x2)
print('-' * 200)
x3 = pd.crosstab(df['A'], df['B'], values=df['C'], aggfunc=np.sum)
print("x3 = pd.crosstab(df['A'], df['B'], values=df['C'], aggfunc=np.sum) = \n", x3)
print('-' * 200)
x4 = pd.crosstab(df['A'], df['B'], values=df['C'], aggfunc=np.sum, margins=True)
print("x4 = pd.crosstab(df['A'], df['B'], values=df['C'], aggfunc=np.sum, margins=True) = \n", x4)
print('-' * 200)
打印结果：
`python
df =
A B C
0 1 3 1.0
1 2 3 1.0
2 2 4 NaN
3 2 4 1.0
4 2 4 1.0
x2 = pd.crosstab(df[‘A’], df[‘B’], normalize=True) =
B 3 4
A
1 0.2 0.0
2 0.2 0.6
x4 = pd.crosstab(df[‘A’], df[‘B’], values=df[‘C’], aggfunc=np.sum, margins=True) =
B 3 4 All
A
1 1.0 NaN 1.0
2 1.0 2.0 3.0
All 2.0 2.0 4.0
Original: https://blog.csdn.net/u013250861/article/details/124088930
Author: u013250861
Title: Pandas-高级处理（七）：透视表（pivot_table）【以指定列作为行索引对另一指定列的值进行分组聚合操作】、交叉表（crosstab）【统计频率】
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/675824/
转载文章受原作者版权保护。转载请注明原作者出处！