pandas 分组统计 列联表pd.crosstab()

pandas分组的统计方式

 

index	减肥方式	血压含量
0	药物	高
1	饮食	低
2	锻炼	正常
3	抽脂	高
4	药物	高
5	抽脂	正
...
498	药物	低
499	饮食	高

我们需要统计多个字段的次数：

如下表数据：

减肥方式 \血压含量	药物	饮食	锻炼	抽脂	总和
高	50	38	38	30	156
正常	46	40	40	45	171
低	37	44	37	55	173
总和	133	122	115	130	500

通常多个组的统计可以采用DataFrame.groupby(by=['减肥方式','血压含量'])['减肥方式'].count().reset_index(name='次数')

                                                                              

这里我们能看到我们采用分组统计之后，能详细看到表格的统计，但是却不利于开发的统计

附下，采用分组统计的方式

def list_set(list_1):
    list_2 = list(set(list_1))
    list_2.sort(key=list_1.index)
    return list_2

def func(df,df_title_X,df_title_Y):
  
    df_data = df.groupby(by=[df_title_X,df_title_Y])[df_title_X].count().reset_index(name='次数')

    data_dict = {}
    for i in df_data[df_data.columns[0]]:
        data_dict[i] = {}
        for a in df_data[df_data.columns[1]]:
            data_dict[i][a] = {}
    for i in range(df_data.shape[0]):
        data_dict[df_data[df_data.columns[0]].loc[i]][df_data[df_data.columns[1]].loc[i]] = df_data[df_data.columns[2]].loc[i]

    l = [list(i.values()) for i in data_dict.values()]

    return pd.DataFrame(np.array(l).T,columns=list_set(df_data[df_title_X].to_list()),
                      index=list_set(df_data[df_title_X].to_list()))


print(func(df,'减肥方式','血压含量'))

                                          结果如下：

                                                              

在查阅pandas的官方文档之后，我们了解到了这种叫做列联表,pandas.crosstab()的函数

import pandas as pd
pd.crosstab()

 

print(pd.crosstab(df['血压含量'],df['减肥方式'],margins=True,margins_name='总和'))
print(pd.crosstab(df['血压含量'],df['减肥方式'],margins=True,margins_name='总和').to_dict())

                                              

                                          

后续还有透视表pandas.pivot_table()，就自行查看pandas的官方文档。