一行代码制作数据分析交叉表，太便捷了
一行代码制作数据分析交叉表，太便捷了
在上一篇文章中我们了解到Pandas模块中的pivot_table()函数可以用来制作数据透视表，今天小编来介绍一下Pandas模块中的另外一个函数corsstab()，我们可以通过调用该函数来制作交叉表，下面就来看看其中的主要流程和步骤吧。
模块导入和数据读取
那我们按照惯例，首先导入模块并且来读取所要使用到的数据集，引用的依然是之前制作数据透视表的数据集
import pandas as pd
def load_data():
return pd.read_csv('coffee_sales.csv', parse_dates=['order_date'])那这里小编是通过自定义一个函数，然后通过调用该函数来读取数据，在实际工作当中每个人都可以根据自己的喜好来操作
df = load_data()
df.head()output
牛刀小试
交叉表是用于统计分组频率的特殊透视表。简单来说，就是将两个或者多个列中不重复的元素组成一个新的DataFrame，新数据的行和列交叉的部分值为其组合在原数据中的数量，我们先来看一个简单的例子，代码如下
pd.crosstab(index = df['region'], columns = df['product_category'])output
在行方向上代表的是不同的地区，而在列方向上代表的则是不同的咖啡种类，出来的结果表示的是不同地区不同咖啡种类的汇总数据，
df[(df["region"] == "Central")&(df["product_category"] == "Tea")].shape[0]output
336例如我们筛选出地区是中部地区并且品种是茶饮的数据，出来的结果总共有336条数据，和交叉表中的结果一致，
我们可以对列名以及行索引更换名字，通过调用rownames参数以及colnames参数，代码如下
pd.crosstab(
index = df['region'],
columns = df['product_category'],
rownames=['US Region'],
colnames=['Product Category']
)output
除了咖啡的品类之外，我们还想要知道到底不同品种的咖啡在批发和零售之间销量的数据，就可以这么来操作
pd.crosstab(
index = df['region'],
columns = [df['product_category'], df['market']]
)output
或者是
pd.crosstab(
index = df['region'],
columns = [df['product_category'], df['market']],
rownames=['US Region'],
colnames=['Product Category', 'Market']
)output
输出的DataFrame数据集当中的列有两层，最上面的是咖啡的种类，然后紧接着第二层的便是不同的市场，当然我们也可以在行方向上添加多个层次的索引，代码如下
pd.crosstab(
index = [df['region'], df['market']],
columns = df['product_category']
)output
进阶的操作
和pd.pivot_table()函数一样，我们也可以通过调用当中的margin参数来给整合出来的数据做一个加总，代码如下
pd.crosstab(index = df['region'],
columns = df['product_category'],
margins = True)output
我们还能指定该列的列名，
pd.crosstab(
index = df['region'],
columns = df['product_category'],
margins = True,
margins_name = 'Subtotals'
)output
另外还有参数normalize用来将所有值除以值的总和进行归一化
pd.crosstab(index = df['region'],
columns = df['product_category'],
normalize = True)output
我们从美观的角度出发，想要保留两位小数，代码如下
pd.crosstab(
index = df['region'],
columns = df['product_category'],
normalize = True
).style.format('{:.2%}')output
要是和之间的margin参数相结合来使用的话，将所有的结果汇总到一起等于100%，代码如下
pd.crosstab(
index = df['region'],
columns = df['product_category'],
margins = True,
normalize = True
).style.format('{:.2%}')output
进一步衍生
最后还有values以及aggfunc两参数，其中aggfunc参数具体指的是指定聚合函数，例如平均数、求和以及中位数等统计方法，对value参数指定的连续性变量的列进行计算，
df.info()output
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4248 entries, 0 to 4247
Data columns (total 9 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 order_date 4248 non-null datetime64[ns]
1 market 4248 non-null object
2 region 4248 non-null object
3 product_category 4248 non-null object
4 product 4248 non-null object
5 cost 4248 non-null int64
6 inventory 4248 non-null int64
7 net_profit 4248 non-null int64
8 sales 4248 non-null int64
dtypes: datetime64[ns](1), int64(4), object(4)
memory usage: 298.8+ KB当前数据集中“market”、“region”、“product_category”、“product”四列是离散型变量，而有“cost”、“inventory”、“net_profit”、“sales”四列是连续性变量，分别代表的是成本、库存、净利润以及销量，其中我们想针对不同地区、不同咖啡种类的成本做一个平均值，那么代码如下
pd.crosstab(
index = df['region'],
columns = df['product_category'],
values = df['cost'],
aggfunc = 'mean'
)output
要是我们想要对计算出来的结果保留两位小数，代码如下
pd.crosstab(
index = df['region'],
columns = df['product_category'],
values = df['cost'],
aggfunc = 'mean'
).round(2)output
当然要是针对存在缺失值的情况，我们也可以替换成其他值来处理，代码如下
pd.crosstab(
index = df['region'],
columns = df['product_category'],
values = df['cost'],
aggfunc = 'mean',
).fillna(0)output
腾讯云开发者
