生活_傻大方

  1. 首页 > 人文 > >

Pandas的crosstab函数( 三 )

如你所见 ， 即使使用unstack()链接 ， groupby()也比其他两个快3倍 。 这说明如果你只想分组和计算摘要统计信息 ， 那么应该使用相同的groupby() 。 当我链接其他方法(如simple round()时 ， 速度差甚至更大 。
其余的比较主要是关于pivot_table()和crosstab() 。 如你所见 ， 这两个函数的结果的形状是相同的 。 两者之间的第一个区别是crosstab()可以处理任何数据类型 。
它可以接受任何类似数组的对象 ， 比如列表、numpy数组、数据帧列(pandas series) 。 但是 ， pivot_table()只对dataframe有效 。 在一个很有帮助的StackOverflow中 ， 我发现如果在数据帧上使用crosstab() ， 它会在后台调用pivot_table() 。
接下来是参数 。 有些参数只存在于一个参数中 ， 反之亦然 。 第一个最流行的是crosstab()的normalize 。 normalize接受以下选项(来自文档)：

  • 如果传递了all或True ， 则将规范化所有值 。
  • 如果传递index ， 将规范化每一行 。
  • 如果传递columns ， 将规范化每个列 。
让我们看一个简单的例子：
cross = pd.crosstab(index=diamonds['cut'],columns=diamonds['color'],normalize='all')plot_heatmap(cross, fmt='.2%')
Pandas的crosstab函数文章插图
如果传递all ， 对于每个单元格 ， pandas计算总金额的百分比：
# 证明所有值加起来约等于1>>> pd.crosstab(diamonds['cut'],diamonds['color'],normalize='all').values.sum()1.0000000000000002如果传递index或columns ， 则按列或按行执行相同的操作：
cross = pd.crosstab(diamonds['cut'],diamonds['color'],normalize='index')plot_heatmap(cross, fmt='.2%')
Pandas的crosstab函数文章插图
以上是按行规范化
cross = pd.crosstab(diamonds['cut'], diamonds['color'], normalize='columns')plot_heatmap(cross, fmt='.2%')
Pandas的crosstab函数文章插图
以上是按列规范化
在crosstab()中 ， 还可以使用行名和列名直接在函数内更改索引和列名 。 之后不必手动执行 。 当我们一次按多个变量分组时 ， 这两个参数非常有用 ， 你将在后面看到 。
参数fill_value只存在于pivot_table()中 。 有时 ， 当你按许多变量分组时 ， 不可避免地会出现不一致 。 在pivot_table()中 ， 可以使用fill_value将它们更改为自定义值：
diamonds.pivot_table(index='color',columns='cut',fill_value=http://kandian.youth.cn/index/0)但是 ， 如果使用crosstab() ， 则可以通过在dataframe上链接fillna()来实现相同的效果：
pd.crosstab(diamonds['cut'], diamonds['color']).fillna(0)Pandas crosstab()的进一步定制crosstab()的另外两个有用参数是margins和margins_name(两者都存在于pivot_table()中) 。 设置为True时 ， 边界计算每行和每列的和 。 我们来看一个例子：
pd.crosstab(index=diamonds['cut'],columns=diamonds['clarity'],margins=True)
Pandas的crosstab函数文章插图
pandas自动添加最后一行和最后一列 ， 默认名称为All 。 margins_name可以控制名字：
pd.crosstab(index=diamonds['cut'],columns=diamonds['clarity'],margins=True,margins_name='Total Number')



上一篇：时钟同步怎样组网？

下一篇：冬天养生，自发热保暖背心，远红外热敷理疗更贴心