pandas交叉表和透视表及案例分析

一.交叉表:

作用:

交叉表是一种用于计算分组频率的特殊透视图,对数据进行汇总

考察预测数据和正式数据的对比情况,一个作为行,一个作为列

案例:

医院预测病人病情:

真实病情如下数组(B:有病,M:没病)

true = np.load("./cancer_true.npy")     #load()加载数据
true

算法预测病情数据如下:

predict = np.load("./cancer_predict.npy")
predict

现在要知道预测结果有多少预测正确,多少预测失败

使用交叉表:

#使用交叉表,调用crosstab()函数。

参数如下:

['index', 'columns', 'values=None', 'rownames=None', 'colnames=None', 'aggfunc=None', 'margins=False', "margins_name='All'", 'dropna=True', 'normalize=False'],

预测结果:

pd.crosstab(index = true,columns=predict,rownames = ["确诊"],colnames = ["预测"],margins=True)

可以看到预测正确的结果有36+17个,2个漏诊,2个误诊

 

二.透视表:

它根据一个或多个键对数据进行聚合,并根据行和列上的分组键将数据分配到各个矩形区域中

分组查看数据,和数据库中的group by是相同的功能。

 

案例:

分析人的使用左右手跟情商(eq)、智商(iq)的关系

 添加数据(伪造)

df =DataFrame({"HAND":np.random.randint(0,10,size = 200),"sex":np.random.randint(0,2,size = 200),"iq":np.random.randint(0,100,size =200),"eq":np.random.randint(0,100,size = 200)})
df

(部分数据)

 

 对数据进行处理:

使用透视表:

调用pivot_table()函数

参数有:

['data', 'values=None', 'index=None', 'columns=None', "aggfunc='mean'", 'fill_value=None',
'margins=False', 'dropna=True', "margins_name='All'"],

pd.set_option("display.float_format",lambda x:"%0.1f"%(x))

pd.pivot_table(data = df,values = ["iq","eq"],index = ["HAND","sex"],aggfunc= "mean",margins = True)

 

通过表分析字段之间的关系。

 

转载于:https://www.cnblogs.com/kuangkuangduangduang/p/10273857.html

表情包
插入表情
评论将由博主筛选后显示,对所有人可见 | 还能输入1000个字符
相关推荐
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页