pd.pivot_table数据透视表与pd.crosstab交叉表
在数据分析中，常常需要用到数据透视表和交叉表，下面介绍pandas.DataFrame.pivot_table数据透视表和pandas.DataFrame.crosstab交叉表的用法和区别。
一、数据透视表
数据透视表用来做数据透视，可以通过一个或多个键分组聚合DataFrame中的数据，通过aggfunc参数决定聚合类型，是groupby的高级功能。
pd.pivot_table参数如下：
pd.pivot_table（data, values = None，index = None，columns = None，aggfunc ='mean'，fill_value = None，margin = False，dropna = True，margins_name ='All' ）- data：DataFrame对象
- values：要聚合的列或列的列表
- index：数据透视表的index，从原数据的列中筛选
- columns：数据透视表的columns，从原数据的列中筛选
- aggfunc：用于聚合的函数，默认为numpy.mean，支持numpy计算方法
- fill_value: 用于替换缺失值的值
- margin: 添加所有行/列
- dropna: 不包括条目为 NaN的列，默认为True
- margin_name: 当margin为True时，将包含总计的行/列的名称
date = ['2001-1-1','2001-1-2','2001-1-3']*3
rng = pd.to_datetime(date)
df = pd.DataFrame({'date':rng,
'key':list('abcdabcda'),
'values':np.random.rand(9)*10})
print(df)
1.以data做数据透视，统计不同key下value的和：
pd.pivot_table(df, values = 'values', index = 'date', columns = 'key', aggfunc=np.sum)
2,这里就分别以date、key共同做数据透视，值为values：统计不同（date，key）情况下values的数量
pd.pivot_table(df, values = 'values', index = ['date','key'], aggfunc=len)
二、交叉表
默认情况下，crosstab是用来计算因子的频率表。
pd.crosstab()参数：
pd.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, dropna=True, normalize=False)- index:：要在行中分组的值
- columns：要在列中分组的值
- values：根据因子聚合的值数组，需指定aggfunc
- aggfunc：如指定，还需指定value
- normalize：将所有值除以值的总和进行归一化 ，为True时候显示百分比
1.如果crosstab只接收两个Series，它将提供一个频率表。用A的唯一值，统计B唯一值的出现次数：
df = pd.DataFrame({'A': [1, 2, 2, 2, 2],
'B': [3, 3, 4, 4, 4],
'C': [1, 1, np.nan, 1, 1]})
print(df)
print('-----')
print(pd.crosstab(df['A'],df['B']))
2.以A和B界定分组，计算出每组中第三个系列C的和
pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum)
三、区别
透视表是一种进行分组统计的函数，而交叉表是特殊的透视表，当只统计分组频率时更方便。