python中两个变量的表函数答案

【问题标题】：Table function for two variable in pythonpython中两个变量的表函数
【发布时间】：2017-09-09 09:50:33
【问题描述】：

我有一个这样的数据框。

c_name      p_name    
  A           X
  B           Y
  B           A1
  C           ZX
  D           G4
  D           H9

我想要每个 c_name 和每个 p_name 的频率。我通过使用

在 R 中获得正确的输出

data.frame(table(df1$c_name,df1$p_name))

但是如果我申请的话，在 python 中 pd.crosstab(df1['c_name'],df1['p_name']) 它给出了结果，但格式不正确。

我的期望是：

c_name      p_name    Freq
  A           X        1
  B           X        0
  B           X        0
  C           X        0
  D           X        0
  D           X        0
  A           Y        0
  B           Y        1
  B           Y        0
  C           Y        0
  D           Y        0
  D           Y        0  ..........so on.

提前致谢。

【问题讨论】：

交叉制表应该为您提供每组的频率，这可能不是您想要的。你试过 pandas.Series.value_counts 吗？
Frequency table for a single variable的可能重复
您是否也在寻找 R（或仅在 Python）中的解决方案？

标签： python pandas

【解决方案1】：

pd.crosstab(df['c_name'], df['p_name']).stack().reset_index(name='Freq')

这将给出：

   c_name p_name  Freq
0       A     A1     0
1       A     G4     0
2       A     H9     0
3       A      X     1
4       A      Y     0
5       A     ZX     0
6       B     A1     1
7       B     G4     0
8       B     H9     0
9       B      X     0
10      B      Y     1
11      B     ZX     0
12      C     A1     0
13      C     G4     0
14      C     H9     0
15      C      X     0
16      C      Y     0
17      C     ZX     1
18      D     A1     0
19      D     G4     1
20      D     H9     1
21      D      X     0
22      D      Y     0
23      D     ZX     0

【讨论】：

【解决方案2】：

使用groupby 和size 的解决方案，如果需要还缺少值添加reindex 并用0 替换它们：

mux = pd.MultiIndex.from_product([df1['c_name'], df1['p_name']], names=['c_name','p_name'])
df1 = df1.groupby(['c_name','p_name']).size()
         .reindex(mux, fill_value=0).reset_index(name='Freq')

print (df1)
   c_name p_name  Freq
0       A      X     1
1       A      Y     0
2       A     A1     0
3       A     ZX     0
4       A     G4     0
5       A     H9     0
6       B      X     0
7       B      Y     1
8       B     A1     1
9       B     ZX     0
10      B     G4     0
11      B     H9     0
12      B      X     0
13      B      Y     1
14      B     A1     1
15      B     ZX     0
16      B     G4     0
17      B     H9     0
18      C      X     0
19      C      Y     0
20      C     A1     0
21      C     ZX     1
22      C     G4     0
23      C     H9     0
24      D      X     0
25      D      Y     0
26      D     A1     0
27      D     ZX     0
28      D     G4     1
29      D     H9     1
30      D      X     0
31      D      Y     0
32      D     A1     0
33      D     ZX     0
34      D     G4     1
35      D     H9     1

时间安排：

解决方案更快，因为没有stack：

In [197]: %timeit pd.crosstab(df1['c_name'], df1['p_name']).stack().reset_index(name='Freq')
100 loops, best of 3: 6.74 ms per loop

In [198]: %timeit  df1.groupby(['c_name','p_name']).size().reindex(pd.MultiIndex.from_product([df1['c_name'], df1['p_name']], names=['c_name','p_name']), fill_value=0).reset_index(name='Freq')
100 loops, best of 3: 3.12 ms per loop

【讨论】：