本文需要用到的Python库:
Pandas
Seaborn
本文纲要:
一、什么是交叉表?
二、例子中用到的数据
三、用Pandas构建交叉表
四、交叉表可视化
一、什么是交叉表?
交叉表是一种常用的分类汇总表格,用于频数分布统计,主要价值在于描述了变量间关系的深刻含义。虽然两个(或以上)变量可以是分类的或数量的,但是以都是分类的情形最为常见。
假设我们有两个变量,性别(男性或女性)和手性(右或左手)。 进一步假设,从非常大的人群中随机抽取100个人,作为对手性的性别差异研究的一部分。 可以创建一个交叉表来显示男性和右撇子,男性和左撇子,女性和右撇子以及女性和左撇子的个人数量。 这样的交叉表如下所示。
男性,女性以及右撇子和左撇子个体的数量称为边际总数。总计(即交叉表中所代表的个人总数)是右下角的数字。
二、例子中用到的数据
例子中用到的数据来自http://Kaggle.com,是一个关于facebook的真实和虚假账号的数据集,包含了889个账户真实与否信息、好友数、教育情况、性别、等信息。数据集里有一个缺失值,进一步处理之前,先把缺失值去掉。数据集链接www.kaggle.com
import pandas as pd
df = pd.read_csv('facebookac.csv')
dr = df.dropna()
df.columns
#Index([&#