pd.crosstab函数详解

pd.crosstab是pandas库中的一个函数，用于计算两个或多个分类变量之间的交叉表（也称为列联表）。它可以用于探索不同分类变量之间的关系，例如性别和收入、地区和教育程度等等。

语法格式：

pd.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)

参数说明：

- index：用于行索引的列名或列名列表。
- columns：用于列索引的列名或列名列表。
- values：可选参数，用于计算汇总数据的列名或列名列表。
- rownames：可选参数，行索引的名称。
- colnames：可选参数，列索引的名称。
- aggfunc：可选参数，用于聚合数据的函数，例如sum、mean等。
- margins：可选参数，是否在结果中添加行/列的边距汇总，默认为False。
- margins_name：可选参数，边距名称，默认为"All"。
- dropna：可选参数，是否删除包含NaN值的行/列，默认为True。
- normalize：可选参数，是否将结果标准化为百分比形式，默认为False。

示例：

假设我们有一个数据框，其中包含了员工的性别、年龄和收入等信息。我们可以使用pd.crosstab函数计算性别和年龄之间的交叉表：

import pandas as pd
 
# 创建数据框
data = pd.DataFrame({'gender': ['M', 'F', 'F', 'M', 'M', 'F', 'M', 'F', 'F', 'M'],
                     'age': [25, 30, 20, 28, 35, 40, 22, 28, 32, 45],
                     'income': [5000, 6000, 4000, 7000, 8000, 9000, 4500, 5500, 6500, 7500]})
 
# 计算性别和年龄之间的交叉表
pd.crosstab(data['gender'], data['age'])

输出结果为：

age     20  22  25  28  30  32  35  40  45
gender                                    
F        1   1   0   1   1   1   0   1   1
M        0   1   1   1   1   0   1   1   1

从结果可以看出，女性员工中年龄为20岁和22岁的各有1人，男性员工中年龄为20岁的没有，年龄为22岁的有1人。这些信息可以帮助我们更好地了解员工的特点和组成情况。

除了计算简单的交叉表之外，pd.crosstab函数还可用于计算多维交叉表、添加行/列的边距汇总等操作。需要根据实际情况灵活使用。