欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python 利用panda 實(shí)現(xiàn)列聯(lián)表(交叉表)

 更新時(shí)間：2021年02月06日 10:58:00   作者：賞爾  
這篇文章主要介紹了python 利用panda 實(shí)現(xiàn)列聯(lián)表(交叉表)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

交叉表（cross-tabulation，簡(jiǎn)稱crosstab）是⼀種⽤于計(jì)算分組頻率的特殊透視表。

語(yǔ)法詳解：

pd.crosstab(index, # 分組依據(jù)
   columns, # 列
   values=None, # 聚合計(jì)算的值
   rownames=None, # 列名稱
   colnames=None, # 行名稱
   aggfunc=None, # 聚合函數(shù)
   margins=False, # 總計(jì)行/列
   dropna=True, # 是否刪除缺失值
   normalize=False # 
   )

1 crosstab() 實(shí)例1

1.1 讀取數(shù)據(jù)

import os
import numpy as np
import pandas as pd

file_name = os.path.join(path, 'Excel_test.xls')
df = pd.read_excel(io=file_name, # 工作簿路徑
     sheetname='透視表', # 工作表名稱
     skiprows=1, # 要忽略的行數(shù)
     parse_cols='A:D' # 讀入的列
     )
df

1.2 pd.crosstab() 默認(rèn)生成以行和列分類的頻數(shù)表

pd.crosstab(df['客戶名稱'], df['產(chǎn)品類別'])

1.3 設(shè)置跟多參數(shù)實(shí)現(xiàn)分類匯總

pd.crosstab(index=df['客戶名稱'],
   columns=df['產(chǎn)品類別'],
   values=df['銷量'],
   aggfunc='sum',
   margins=True
   ).round(0).fillna(0).astype('int')

注：因?yàn)榻徊姹硎就敢暠淼奶乩?，所以交叉表可以用透視表的函?shù)實(shí)現(xiàn)。又因?yàn)橥敢暠砜梢杂酶?python 的方式 groupby-apply 實(shí)現(xiàn)，所以，交叉表完全可以用 groupby-apply 的方式實(shí)現(xiàn)。

2 用分類匯總的方法實(shí)現(xiàn) 交叉表

df.groupby(['客戶名稱', '產(chǎn)品類別']).apply(sum)

2.1 分類匯總、重新索引、設(shè)置數(shù)值格式綜合應(yīng)用

c_tbl = df.groupby(['客戶名稱', '產(chǎn)品類別']).apply(sum)['銷量'].unstack()
c_tbl['總計(jì)'] = c_tbl.sum(axis=1) # 添加總計(jì)列
c_tbl.fillna(0).round(0).astype('int')

軟件信息：

補(bǔ)充：使用python(pandas)將數(shù)據(jù)處理成交叉分組表

交叉分組表是匯總兩種變量數(shù)據(jù)的方法, 在很多場(chǎng)景可以用到, 本文會(huì)介紹如何使用pandas將包含兩個(gè)變量的數(shù)據(jù)集處理成交叉分組表.

環(huán)境

pandas

python 2.7

原理

用坐標(biāo)軸來(lái)進(jìn)行比喻, 其中一個(gè)變量作為x軸, 另一個(gè)作為y軸, 如果定位到數(shù)據(jù)則累加一, 將所有數(shù)據(jù)遍歷一遍, 最后的坐標(biāo)軸就是一張交叉分組表(使用坐標(biāo)軸展示的數(shù)據(jù)一般是連續(xù)的, 交叉分組表的數(shù)據(jù)是離散的).

具體實(shí)現(xiàn)

示例數(shù)據(jù):

quality price
0  bad 18
1  bad 17
2  great  52
3  good  28
4  excellent  88
5  great  63
6  bad 8
7  good  22
8  good  68
9  excellent  98
10 great  53
11 bad 13
12 great  62
13 good  48
14 excellent  78
15 great  63
16 good  37
17 great  69
18 good  28
19 excellent  81
20 great  43
21 good  32
22 great  62
23 good  28
24 excellent  82
25 great  53

代碼:

  import pandas as pd
  from pandas import DataFrame, Series
  #生成數(shù)據(jù)
  df = DataFrame([['bad', 18], ['bad', 17], ['great', 52], ['good', 28], ['excellent', 88], ['great', 63]
        , ['bad', 8], ['good', 22], ['good', 68], ['excellent', 98], ['great', 53]
        , ['bad', 13], ['great', 62], ['good', 48], ['excellent', 78], ['great', 63]
        , ['good', 37], ['great', 69], ['good', 28], ['excellent', 81], ['great', 43]
        , ['good', 32], ['great', 62], ['good', 28], ['excellent', 82], ['great', 53]], columns = ['quality', 'price'])
#廣播使用的函數(shù)
def quality_cut(data):
  s = Series(pd.cut(data['price'], np.arange(0, 100, 10)))
  return pd.groupby(s, s).count()
#進(jìn)行分組處理
df.groupby(df['quality']).apply(quality_cut)

結(jié)果:

交叉分組

詳細(xì)分析

從邏輯上來(lái)看, 為了達(dá)到對(duì)示例數(shù)據(jù)的交叉分組, 需要完成以下工作:

將數(shù)據(jù)以quality列進(jìn)行分組.

將每個(gè)分組的數(shù)據(jù)分別進(jìn)行cut, 以10為間隔.

將cut過(guò)的數(shù)據(jù), 以cut的范圍為列進(jìn)行分組

將所有數(shù)據(jù)組合到一起, row為quality, columns為cut的范圍

步驟1, pandasgroupby(...)接口, 會(huì)按照指定的列進(jìn)行分組處理, 每一個(gè)分組, 存儲(chǔ)相同類別的數(shù)據(jù)

<class 'pandas.core.frame.DataFrame'>
  quality price
0   bad   18
1   bad   17
6   bad   8
11   bad   13

而我們需要的, 只是price這列的數(shù)據(jù), 所以單獨(dú)將這列拿出來(lái), 進(jìn)行cut, 最后得到我們要的series(步驟2, 步驟3)

  price
(0, 10]   1
(10, 20]  3
(20, 30]  0
(30, 40]  0
(40, 50]  0
(50, 60]  0
(60, 70]  0
(70, 80]  0
(80, 90]  0

使用pandas

apply()的廣播特性, 每一個(gè)分組的數(shù)據(jù)都會(huì)經(jīng)過(guò)上述幾個(gè)步驟的處理, 最后與第一次分組row進(jìn)行組合.

后記

估計(jì)能力有限, 這個(gè)問(wèn)題想了很長(zhǎng)時(shí)間, 沒想到pandas這么可以這么方便達(dá)成交叉分組的效果. 思考的時(shí)候主要是卡在數(shù)據(jù)組合上, 當(dāng)數(shù)據(jù)量很大時(shí)通過(guò)多個(gè)步驟進(jìn)行數(shù)據(jù)組合, 肯定是低效而且錯(cuò)誤的. 最后仔細(xì)研究了groupby, dataframe, series, dataframeIndex等數(shù)據(jù)模型, 使用廣播特性用幾句代碼就完成了. 證明了pandas的高性能, 也提醒自己遇見問(wèn)題一定要耐心分析。

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。

相關(guān)文章

  • Django之編輯時(shí)根據(jù)條件跳轉(zhuǎn)回原頁(yè)面的方法

    Django之編輯時(shí)根據(jù)條件跳轉(zhuǎn)回原頁(yè)面的方法

    今天小編就為大家分享一篇Django之編輯時(shí)根據(jù)條件跳轉(zhuǎn)回原頁(yè)面的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2019-08-08
  • Python發(fā)送Email方法實(shí)例

    Python發(fā)送Email方法實(shí)例

    這篇文章主要介紹了Python發(fā)送Email的方法,有不錯(cuò)的實(shí)用價(jià)值,代碼備有一定的注釋便于讀者理解,需要的朋友可以參考下
    2014-08-08
  • Python爬豆瓣電影實(shí)例

    Python爬豆瓣電影實(shí)例

    本篇文章給大家通過(guò)Python爬豆瓣電影實(shí)例對(duì)Python爬蟲更深入的講解，有興趣的學(xué)習(xí)下。
    2018-02-02
  • Python 使用 Bert 進(jìn)行中文情感分析的方法

    Python 使用 Bert 進(jìn)行中文情感分析的方法

    在自然語(yǔ)言處理（NLP）領(lǐng)域,情感分析是一個(gè)非常常見且重要的應(yīng)用,本文將帶領(lǐng)新手使用 BERT 模型進(jìn)行中文情感分析,并會(huì)詳細(xì)講解如何加載開源數(shù)據(jù)集、訓(xùn)練模型、評(píng)估準(zhǔn)確度,并最終導(dǎo)出模型供未來(lái)使用,感興趣的朋友跟隨小編一起看看吧
    2024-10-10
  • Python中的字典合并與列表合并技巧

    Python中的字典合并與列表合并技巧

    這篇文章主要介紹了Python中的字典合并與列表合并技巧，下文圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一的的參考價(jià)值，需要的小伙伴可以參考一下
    2022-05-05
  • python目標(biāo)檢測(cè)給圖畫框,bbox畫到圖上并保存案例

    python目標(biāo)檢測(cè)給圖畫框,bbox畫到圖上并保存案例

    這篇文章主要介紹了python目標(biāo)檢測(cè)給圖畫框,bbox畫到圖上并保存案例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2020-03-03
  • python模塊常用用法實(shí)例詳解

    python模塊常用用法實(shí)例詳解

    由于平時(shí)習(xí)慣，strftime比較常用，strptime和它是反操作。這篇文章主要介紹了python模塊常用用法,需要的朋友可以參考下
    2019-10-10
  • Python單元測(cè)試與測(cè)試用例簡(jiǎn)析

    Python單元測(cè)試與測(cè)試用例簡(jiǎn)析

    這篇文章主要介紹了Python單元測(cè)試與測(cè)試用例,結(jié)合簡(jiǎn)單實(shí)例形式分析了Python單元測(cè)試相關(guān)的原理、步驟與相關(guān)注意事項(xiàng),需要的朋友可以參考下
    2019-11-11
  • Python實(shí)現(xiàn)批量把SVG格式轉(zhuǎn)成png、pdf格式的代碼分享

    Python實(shí)現(xiàn)批量把SVG格式轉(zhuǎn)成png、pdf格式的代碼分享

    這篇文章主要介紹了Python實(shí)現(xiàn)批量把SVG格式轉(zhuǎn)成png、pdf格式的代碼分享,本文代碼需要引用一個(gè)第三方模塊cairosvg,需要的朋友可以參考下
    2014-08-08
  • Python3.x檢查內(nèi)存可用大小的兩種實(shí)現(xiàn)

    Python3.x檢查內(nèi)存可用大小的兩種實(shí)現(xiàn)

    本文將介紹如何使用Python 3實(shí)現(xiàn)檢查L(zhǎng)inux服務(wù)器內(nèi)存可用大小的方法，包括使用Python標(biāo)準(zhǔn)庫(kù)實(shí)現(xiàn)和使用Linux命令實(shí)現(xiàn)兩種方式，感興趣可以了解一下
    2023-05-05

最新評(píng)論