《Python數據分析極簡入門》

第2節 8-3 Pandas 數據重塑 - 數據交叉表

數據交叉表

交叉表顯示了每個變量的不同類別組合中觀察到的頻率或計數。通俗地說，就是根據不同列的數據統計了頻數

df = pd.DataFrame(
    { 'High':  ["高", "高", "高", "中", "中", "中", "低", "低", "低", "高", "低"],
     'Weight': ["重", "輕", "中", "中", "輕", "重", "重", "輕", "中", "重", "輕"]
    })
df

pd.crosstab(df['High'], df['Weight']) 

雙層crosstab

df = pd.DataFrame(
    { 'High':  ["高", "高", "高", "中", "中", "中", "低", "低", "低", "高", "低"],
     'Weight': ["重", "輕", "中", "中", "輕", "重", "重", "輕", "中", "重", "輕"],
     'Size':   ["大", "中", "小", "中", "中", "大", "中", "小", "小", "大", "小"]})
df

pd.crosstab(df['High'], [df['Weight'], df['Size']], rownames=['High'], colnames=['Weight', 'Size']) 

另一種 寬表轉長表 pd.wide_to_long()

np.random.seed(123)
df = pd.DataFrame({"A1970" : {0 : "a", 1 : "b", 2 : "c"},
                   "A1980" : {0 : "d", 1 : "e", 2 : "f"},
                   "B1970" : {0 : 2.5, 1 : 1.2, 2 : .7},
                   "B1980" : {0 : 3.2, 1 : 1.3, 2 : .1},
                   "X"     : dict(zip(range(3), np.random.randn(3)))
                  })
df["id"] = df.index
df

把id 列用作標識列

pd.wide_to_long(df, ["A", "B"], i="id", j="year")

df = pd.DataFrame({
    'famid': [1, 1, 1, 2, 2, 2, 3, 3, 3],
    'birth': [1, 2, 3, 1, 2, 3, 1, 2, 3],
    'ht1': [2.8, 2.9, 2.2, 2, 1.8, 1.9, 2.2, 2.3, 2.1],
    'ht2': [3.4, 3.8, 2.9, 3.2, 2.8, 2.4, 3.3, 3.4, 2.9]
})
df

把famid, birth 兩列用作標識列

l = pd.wide_to_long(df, stubnames='ht', i=['famid', 'birth'], j='age')
l