Pandas进阶玖 类别与区间

Pandas进阶玖 类别与区间

pandas进阶系列根据datawhale远昊大佬的joyful pandas教程写一些自己的心得和补充，本文部分引用了原教程，并参考了pandas官网

另注：本文是对joyful pandas教程的延伸，完整理解需先阅读joyful pandas教程第九章

【练一练】

无论是interval_range还是下一章时间序列中的date_range都是给定了等差序列中四要素中的三个，从而确定整个序列。请回顾等差数列中的首项、末项、项数和公差的联系，写出interval_range中四个参数之间的恒等关系。

我的答案

start + periods * freq = end

练习

Ex1：统计未出现的类别

在第五章中介绍了crosstab函数，在默认参数下它能够对两个列的组合出现的频数进行统计汇总：
请实现一个带有dropna参数的my_crosstab函数来完成上面的功能。

import numpy as np
import pandas as pd
df = pd.DataFrame({
   'A':['a','b','c','a'], 'B':['cat','cat','dog','cat']})
df.B = df.B.astype('category').cat.add_categories('sheep')
df.A = df.A.astype('category').cat.add_categories('d')

我的思路

我利用了之前学过的pivot_table方法，先求出下表

tmp = pd.concat([df.A, df.B], axis=1)
tmp['value'] = 0
tmp

	A	B	value
0	a	cat	0
1	b	cat	0
2	c	dog	0
3	a	cat	0

然后利用pivot_table变形，将A的值作为索引，B的值作为列名，value经过统计后作为表中的数值，如果dropna=False就使用concat再补充几列或几行进去，算法如下

def my_crosstab(s1, s2, dropna=True):
    tmp = pd.concat([s1, s2], axis=1)
    tmp['value'] = 0
    res = tmp.pivot_table(index=s1.name,
                         columns=s2.name,
                         values='value',
                         aggfunc='count')
    if not dropna:
        b_cats = set(s2.cat.categories