pandas.crosstab

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

Вычислить простую сводную таблицу двух (или более) факторов. По умолчанию вычисляет таблицу частот факторов, если не передаётся массив значений и функция агрегации

Параметры:

index : массив-подобный объект, Series или список массивов/Series Значения для группировки по строкам columns : массив-подобный объект, Series или список массивов/Series Значения для группировки по столбцам values : массив-подобный объект, необязательно Массив значений для агрегирования в соответствии с факторами. Требуется, чтобы aggfunc был указан. aggfunc : функция, необязательно Если указано, требуется, чтобы values также был указан rownames : последовательность, по умолчанию None Если передано, должно совпадать с количеством массивов строк colnames : последовательность, по умолчанию None Если передано, должно совпадать с количеством массивов столбцов margins : булево значение, по умолчанию False Добавить поля сумм строк/столбцов (подсчёты) margins_name : строка, по умолчанию ‘All’ Имя строки/столбца, которое будет содержать итоги, когда margins равно True. Новое в версии 0.21.0. dropna : булево значение, по умолчанию True Не включать столбцы, значения которых все NaN normalize : булево значение, {‘all’, ‘index’, ‘columns’}, или {0,1}, по умолчанию False Нормализовать, разделив все значения на сумму значений. Если передано ‘all’ или True, нормализует по всем значениям. Если передано ‘index’, нормализует по каждой строке. Если передано ‘columns’, нормализует по каждому столбцу. Если margins равно True, также нормализует значения полей сумм. Новое в версии 0.18.1.

Возвращает:

crosstab : DataFrame

Примечания

Любые переданные Series будут использовать свои атрибуты имени, если не указаны имена строк или столбцов для сводной таблицы.

Любой входящий параметр, содержащий категориальные данные, будет содержать все категории в сводной таблице, даже если фактические данные не содержат никаких примеров конкретной категории.

В случае отсутствия перекрывающихся индексов будет возвращена пустая DataFrame.

Примеры

>>> a = np.array(["foo", "foo", "foo", "foo", "bar", "bar",
...               "bar", "bar", "foo", "foo", "foo"], dtype=object)
>>> b = np.array(["one", "one", "one", "two", "one", "one",
...               "one", "two", "two", "two", "one"], dtype=object)
>>> c = np.array(["dull", "dull", "shiny", "dull", "dull", "shiny",
...               "shiny", "dull", "shiny", "shiny", "shiny"],
...               dtype=object)

>>> pd.crosstab(a, [b, c], rownames=['a'], colnames=['b', 'c'])
... 
b   one        two
c   dull shiny dull shiny
a
bar    1     2    1     0
foo    2     2    1     2

>>> foo = pd.Categorical(['a', 'b'], categories=['a', 'b', 'c'])
>>> bar = pd.Categorical(['d', 'e'], categories=['d', 'e', 'f'])
>>> crosstab(foo, bar)  # 'c' and 'f' are not represented in the data,
...                     # but they still will be counted in the output
... 
col_0  d  e  f
row_0
a      1  0  0
b      0  1  0
c      0  0  0