pandas当中的交叉表出十道代码题

当然可以，以下是10道关于pandas交叉表的代码题目，供你参考练习：

**第1题：**
给定一个DataFrame `df`，有两列 'Category1' 和 'Category2'，创建一个简单的交叉表。

import pandas as pd
data = {
    'Category1': ['A', 'B', 'A', 'C', 'B', 'A'],
    'Category2': ['X', 'Y', 'X', 'X', 'Y', 'Z']
}
df = pd.DataFrame(data)

# 你的代码
cross_tab_1 = pd.crosstab(df['Category1'], df['Category2'])

**第2题：**
在一个包含 'ID', 'Category', 'Score' 的 DataFrame 上，按 'Category' 和 'Score' 列创建交叉表，并求每个分数段的平均分。

df = pd.DataFrame({
    'ID': [1, 2, 3, 4, 5],
    'Category': ['A', 'A', 'B', 'B', 'A'],
    'Score': [80, 90, 75, 85, 95]
})

# 你的代码
score_groups = pd.cut(df['Score'], bins=[0, 75, 85, 95, float('inf')]) # 分段
cross_tab_2 = pd.crosstab(df['Category'], score_groups).mean()

**第3题：**
创建一个交叉表，显示 'Category1' 中所有可能的组合，即使在原始数据中不存在。

df = pd.DataFrame({
    'Category1': ['A', 'B', 'C'],
    'Category2': ['X', 'Y', 'Z']
})

# 你的代码
cross_tab_3 = pd.crosstab(df['Category1'], df['Category2'], dropna=False)

**第4题：**
为交叉表的行和列添加名为 'Group1' 和 'Group2' 的标签。

df = pd.DataFrame({
    'Category1': ['A', 'B', 'A', 'B', 'A'],
    'Category2': ['X', 'Y', 'X', 'Y', 'Z']
})

# 你的代码
labels = {'Category1': ['Group1', 'Group2'], 'Category2': ['Group3', 'Group4']}
cross_tab_4 = pd.crosstab(df['Category1'], df['Category2'], rownames=labels['Category1'], colnames=labels['Category2'])

**第5题：**
创建一个交叉表，并对 'Category1' 进行降序排序。

df = pd.DataFrame({
    'Category1': ['D', 'A', 'C', 'B'],
    'Category2': ['Z', 'X', 'Y', 'W']
})

# 你的代码
cross_tab_5 = pd.crosstab(df['Category1'].sort_values(ascending=False), df['Category2'])

**第6题：**
用 DataFrame `df`，创建一个多级索引交叉表，其中一级索引是 'Category1'，二级索引是 'Category2'。

df = pd.DataFrame({
    'Category1': ['A', 'B', 'A', 'B'],
    'Category2': ['X', 'Y', 'X', 'Y'],
    'Value': [1, 2, 3, 4]
})

# 你的代码
cross_tab_6 = pd.crosstab(df.set_index(['Category1', 'Category2']), level=['Category1', 'Category2'])

**第7题：**
在交叉表中，如果遇到缺失值，用 'Missing' 来替换。

df = pd.DataFrame({
    'Category1': ['A', 'B', np.nan, 'A'],
    'Category2': ['X', np.nan, 'Y', 'Z']
})

# 你的代码
cross_tab_7 = pd.crosstab(df['Category1'], df['Category2']).fillna(value='Missing')

**第8题：**
创建交叉表并将其转换为HTML格式以便于展示。

df = pd.DataFrame({
    'Category1': ['A', 'B', 'C', 'A'],
    'Category2': ['X', 'Y', 'Z', 'Y']
})

# 你的代码
html_cross_tab = cross_tab_8.to_html()

**第9题：**
对比一个简单交叉表和一个基于 'Score' 列的数据透视表。

df = pd.DataFrame({
    'ID': [1, 2, 3, 4, 5],
    'Category': ['A', 'A', 'B', 'B', 'A'],
    'Score': [80, 90, 75, 85, 95]
})

# 你的代码
cross_tab_pivot = df.pivot_table(index='Category', values='Score')

# 比较两个表格
cross_tab_vs_pivot(cross_tab_1, cross_tab_pivot)

**第10题：**
将交叉表的值标准化到[0, 1]范围。

df = pd.DataFrame({
    'Category1': ['A', 'B', 'A', 'B', 'A'],
    'Category2': ['X', 'Y', 'X', 'Y', 'Z']
})

# 你的代码
normalized_cross_tab = (cross_tab_1 - cross_tab_1.min()) / (cross_tab_1.max() - cross_tab_1.min())

完成以上题目后，你可以通过运行代码、观察结果和理解背后的原理来提升对pandas交叉表的理解。如果有任何疑问，随时提问哦!