熊猫数据框来计算矩阵答案

【问题标题】：Pandas dataframe to count matrix熊猫数据框来计算矩阵
【发布时间】：2017-04-11 22:01:27
【问题描述】：

这一定很明显，但我找不到简单的解决方案。

我有这样的熊猫数据框：

actual | predicted
------ + ---------
Apple  | Apple
Apple  | Apple
Apple  | Banana
Banana | Orange
Orange | Apple

我想要这个：

       |  Apple  | Banana  | Orange
------ + ------- + ------- + -------
Apple  |  2      | 1       | 0
Banana |  0      | 0       | 1
Orange |  1      | 0       | 0

【问题讨论】：

标签： python pandas group-by pivot-table crosstab

【解决方案1】：

有点摸不着头脑，但我认为您正在寻找confusion matrix

from sklearn.metrics import confusion_matrix
print confusion_matrix(df['actual'], df['predicted'])

【讨论】：

【解决方案2】：

您可以使用pandas.pivot_table

>>> df.pivot_table(index='actual', columns='predicted', aggfunc=len).fillna(0).astype('int')
predicted Apple Banana Orange
actual                       
Apple         2      1      0
Banana        0      0      1
Orange        1      0      0

【讨论】：

【解决方案3】：

您可以使用groupby 聚合size 和unstack MultiIndex：

df = df.groupby(['actual','predicted']).size().unstack(fill_value=0)
print (df)
predicted  Apple  Banana  Orange
actual                          
Apple          2       1       0
Banana         0       0       1
Orange         1       0       0

crosstab 的另一种解决方案：

df = pd.crosstab(df.actual, df.predicted)
print (df)
predicted  Apple  Banana  Orange
actual                          
Apple          2       1       0
Banana         0       0       1
Orange         1       0       0

【讨论】：

接受crosstab。取消堆叠 size() 对我来说似乎有点像 hack。
感谢您的采纳！第一个解决方案更快，但我同意它有点 hack。
In [142]: %timeit pd.crosstab(df.actual, df.predicted) 100 loops, best of 3: 5.04 ms per loop 和 In [143]: %timeit df.groupby(['actual','predicted']).size().unstack(fill_value=0) 1000 loops, best of 3: 1.28 ms per loop
@GregorSturm 根本不是黑客。您正在计算您看到每个组合的次数。要获取矩阵，您需要取消堆叠并用零填充空值。我敢肯定，如果您深入了解crosstab，您会看到很多相同的东西。
+1 用于涉及groupby() 的第一个解决方案，因为它允许我执行sum() 而不是size()，而crosstab() 解决方案则不行。谢谢！