如何在 Pandas (Python) 中对分类数据进行交叉制表？

Question

例如，我有以下代码。

df = pd.DataFrame(dtype="category")
df["Gender"]=np.random.randint(2, size=100)
df["Q1"] = np.random.randint(3, size=100)
df["Q2"] = np.random.randint(3, size=100)
df["Q3"] = np.random.randint(3, size=100)
df[["Gender", "Q1", "Q2", "Q3"]] = df[["Gender", "Q1", "Q2", "Q3"]].astype('category')
pd.pivot_table(data=df,index=["Gender"])

我想要一个数据透视表，其中包含所有其他列的性别百分比。事实上，如下所示。

如何做到这一点？

上面的代码给出了一个错误，说 No numeric types to aggregate

我没有任何数字列。我只想在男性和女性下找到每个类别的频率，并分别找到它们在男性和女性中的百分比。

Answer 1

正如您的问题所建议的，您可以使用pd.crosstab 来制作您需要的交叉表。

您只需对您的数据进行快速预处理，即转换为melt 并将Q 列转换为行（详见下文）：

df = df.melt(id_vars='Gender', 
         value_vars=['Q1', 'Q2', 'Q3'], 
         var_name='Question', value_name='Answer' )

然后您可以使用pd.crosstab 并根据需要计算百分比（此处显示了每个Question 每个Gender 每个Answer 的百分比）

pd.crosstab(df.Question, columns=[df.Gender, df.Answer]).apply(lambda row: row/row.sum(), axis=1)

Gender       0                 1            
Answer       0     1     2     0     1     2
Question                                    
Q1        0.13  0.18  0.18  0.13  0.19  0.19
Q2        0.09  0.21  0.19  0.22  0.13  0.16
Q3        0.19  0.10  0.20  0.16  0.18  0.17

---

详情

df.head()

  Gender Q1 Q2 Q3
0      1  0  2  0
1      1  0  0  1
2      0  2  0  2
3      0  0  2  0
4      0  1  1  1

df.melt().head()

  Gender Question Answer
0      1       Q1      0
1      1       Q1      0
2      0       Q1      2
3      0       Q1      0
4      0       Q1      1