用来计算两个（或更多）因子的交叉表（即频率表、列联表或透视表）。这个功能特别适用于统计分析和数据探索阶段，帮助理解不同变量之间的关系
1 基本用法
pd.crosstab(index,
columns,
values=None,
rownames=None,
colnames=None,
aggfunc=None,
margins=False,
margins_name='All',
dropna=True,
normalize=False)
2 参数说明
| index | 用作表的行标签的数组、序列或数组列表 |
| columns | 用作表的列标签的数组、序列或数组列表 |
| values | 可选，数组或序列，当使用 aggfunc 不为空时，这个参数用来计算聚合值 |
| rownames | 用于结果DataFrame的行标签的名称列表 |
| colnames | 用于结果DataFrame的列标签的名称列表 |
| aggfunc | 可选，用于聚合的函数或函数列表。如果提供了 values，则需要这个参数 |
| margins | 布尔值，是否添加行/列边际小计或总计 |
| margins_name | 边际的名称，默认是 'All |
| dropna | 布尔值，是否删除所有条目都为NaN的列 |
| normalize | 布尔值或 {'all', 'index', 'columns'}，用于规范化频率表的总和 |
3 举例
3.1 基本例子
假设有一个关于人口的数据集，我们有性别和职业两个列
import pandas as pd
data = {
'Sport': ['Soccer', 'Soccer', 'Tennis', 'Soccer', 'Tennis', 'Basketball', 'Basketball'],
'Age Group': ['Youth', 'Adult', 'Adult', 'Youth', 'Youth', 'Adult', 'Youth']
}
df = pd.DataFrame(data)
df
现在我们想要查看不同职业中性别的分布情况：
ct = pd.crosstab(index=df['Age Group'], columns=df['Sport'])
ct
3.2 聚合函数 values,aggfunc
如果你有一个包含多个相同记录的数据集，并且你想要计算某些数值的总和或平均值，你可以使用 values 和 aggfunc 参数
data = pd.DataFrame({
'Gender': ['Male', 'Female', 'Female', 'Male', 'Female', 'Male', 'Male'],
'Occupation': ['Engineer', 'Doctor', 'Engineer', 'Artist', 'Doctor', 'Artist', 'Engineer'],
'Salary': [1000, 1500, 900, 1100, 1700, 1200, 1300]
})
data
不用聚合函数的情况：
pd.crosstab(data['Gender'], data['Occupation'])
使用聚合函数的情况
pd.crosstab(data['Gender'], data['Occupation'], values=data['Salary'], aggfunc='mean')
3.3 margins
使用 margins=True 可以快速获得每一行和每一列的总计，以及整个表的总计。
pd.crosstab(data['Gender'],
data['Occupation'],
values=data['Salary'],
aggfunc='mean',
margins=True)
3.4 normalize
用于标准化交叉表的数据
False(默认): 不进行任何标准化，显示原始的频数数据。True: 将所有的频数转换为表中所有元素的比例。所有表格中的数值加起来等于 1。'all': 同True，将所有频数转换为表中所有元素的比例。'index': 按行进行标准化。每一行的数值将会除以该行的总和，使得每一行的总和为 1。'columns': 按列进行标准化。每一列的数值将会除以该列的总和，使得每一列的总和为 1。
pd.crosstab(data['Gender'],
data['Occupation'],
values=data['Salary'],
aggfunc='mean',
normalize='columns',
margins=True)
pd.crosstab(data['Gender'], `
data['Occupation'],
values=data['Salary'],
aggfunc='mean',
normalize='columns',
margins=True)
pd.crosstab(data['Gender'],
data['Occupation'],
values=data['Salary'],
aggfunc='mean',
normalize='index',
margins=True)