Python中的pandas.crosstab()函数

当需要对数据进行分类汇总时，可以使用Python中的pandas.crosstab()函数。该函数可以将两个或多个变量之间的关系转换为交叉类型表格。

以下是该函数的详细说明：

pandas.crosstab()函数

crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)

参数说明

• index: 需要放入行方向的数据
• columns: 需要放入列方向的数据
• values: 需要汇总统计的数据，默认为 None
• rownames: 行方向名称，即行索引名称
• colnames: 列方向名称，即列索引名称
• aggfunc: 需要使用的聚合函数名称或自定义函数，默认为计数函数(count)
• margins: 是否显示行总和/列总和，默认为False，即不显示
• margins_name: 行总和/列总和的名称，默认为"All"
• dropna: 是否删除包含NaN的行或列，默认为True，即删除
• normalize: 是否对结果进行规范化处理

返回值

返回一个pandas.DataFrame对象，其中包含交叉类型表格统计的结果。

示例

例如，我们有以下数据：

姓名	性别	年龄	邮箱	手机
张三	男	20	[e-mail]	1333333
李四	女	18	[e-mail]	1444444
王五	男	22	[e-mail]	1555555
赵六	女	20	[e-mail]	1666666
钱七	男	21	[e-mail]	1777777
孙八	女	19	[e-mail]	1888888
周九	男	18	[e-mail]	1999999
吴十	女	22	[e-mail]	1000000

如果我们想要查看性别和年龄的组合分布情况，可以使用以下代码：

import pandas as pd

data = pd.read_excel("data.xlsx")  # 读取数据

ctab = pd.crosstab(index=data["性别"], columns=data["年龄"])
print(ctab)

该代码将返回一个数据表，表格行代表性别，表格列代表年龄，交叉单元格中的数值表示对应性别和年龄的人数。

年龄	18	19	20	21	22
女	2	1	1	0	2
男	1	1	1	1	1

我们还可以结合一个数据字段的值进行筛选统计。例如，我们想要查看邮箱是否包含了“@163.com”这个关键字的人，可以使用以下代码：

import pandas as pd

data = pd.read_excel("data.xlsx")  # 读取数据

ctab = pd.crosstab(index=data["性别"], columns=data["年龄"], values=data["手机"] > 1500000)
print(ctab)

该代码将返回一个数据表，在原来的基础上增加了一列为Boolean类型（True/False），表示对应行中是否有手机大于1500000的人。

年龄	18	19	20	21	22
女	1	0	0	0	1
男	0	0	1	1	1

上述操作只是众多可能的用法之一，可以根据具体的数据处理需求，灵活运用crosstab()函数进行分类汇总分析。