如何在 pandas 的 crosstab/pivot_table 中使用两个不同的函数？

Posted 2023-03-12

【中文标题】如何在 pandas 的 crosstab/pivot_table 中使用两个不同的函数？

【英文标题】：How to use two different functions within crosstab/pivot_table in pandas?

【发布时间】：2013-09-08 08:03:43

【问题描述】：

使用 pandas，是否可以计算包含从两个不同函数计算的值的单个交叉表（或数据透视表）？

import pandas as pd
import numpy as np

c1 = np.repeat(['a','b'], [50, 50], axis=0)
c2 = list('xy'*50)
c3 = np.repeat(['G1','G2'], [50, 50], axis=0)
np.random.shuffle(c3)
c4=np.repeat([1,2], [50,50],axis=0)
np.random.shuffle(c4)
val = np.random.rand(100)

df = pd.DataFrame('c1':c1, 'c2':c2, 'c3':c3, 'c4':c4, 'val':val)

frequencyTable = pd.crosstab([df.c1,df.c2],[df.c3,df.c4])
meanVal = pd.crosstab([df.c1,df.c2],[df.c3,df.c4],values=df.val,aggfunc=np.mean)

所以，两个表中的行和列都是相同的，但我真正想要的是一个同时具有频率和平均值的表：

c3           G1                       G2          
c4     1              2              1              2
c1 c2  freq val       freq val       freq val       freq val         
a  x   6    0.624931  5    0.582268  8    0.528231  6    0.362804
   y   7    0.493890  8    0.465741  3    0.613126  7    0.312894
b  x   9    0.488255  5    0.804015  6    0.722640  5    0.369480
   y   6    0.462653  4    0.506791  5    0.583695  10   0.517954

【问题讨论】：

您是否尝试过使用aggfunc=[func1,func2]？我不知道这是否有效，但我想我以前在某个地方见过它。

@Brian：是的，我刚刚尝试了 joris 的回答，效果很好！非常感谢！

我应该开始发布我的 cmets 作为答案：-p

@Brian 是的，抱歉，当我看到你的评论时，我已经在输入答案了 :-)

@joris 不用担心。我的是在黑暗中拍摄的。你真的知道你在做什么哈哈。

【参考方案1】：

你可以给出一个函数列表：

pd.crosstab([df.c1,df.c2], [df.c3,df.c4], values=df.val, aggfunc=[len, np.mean])

---

如果您想要问题中显示的表格，则必须重新排列级别：

In [42]: table = pd.crosstab([df.c1,df.c2], [df.c3,df.c4], values=df.val, aggfunc=[len, np.mean])

In [43]: table
Out[43]: 
       len                mean                              
c3      G1     G2           G1                  G2          
c4       1  2   1  2         1         2         1         2
c1 c2                                                       
a  x     4  6   8  7  0.303036  0.414474  0.624900  0.425234
   y     5  5   8  7  0.543363  0.480419  0.583499  0.637657
b  x    10  6   4  5  0.400279  0.436929  0.442924  0.287572
   y     6  8   5  6  0.400427  0.623319  0.764506  0.408708

In [44]: table.reorder_levels([1, 2, 0], axis=1).sort_index(axis=1)
Out[44]: 
c3      G1                            G2                         
c4       1              2              1              2          
       len      mean  len      mean  len      mean  len      mean
c1 c2                                                            
a  x     4  0.303036    6  0.414474    8  0.624900    7  0.425234
   y     5  0.543363    5  0.480419    8  0.583499    7  0.637657
b  x    10  0.400279    6  0.436929    4  0.442924    5  0.287572
   y     6  0.400427    8  0.623319    5  0.764506    6  0.408708

【讨论】：

顺便说一句，在用熔体重塑时是否可以制作自己的“len”和“mean”列？我试过：pd.melt(table.reset_index(), id_vars=['c1','c2'])，但我得到一个名为“NaN”的列，其中包含“len”和“mean”作为元素。谢谢！

“他们自己的列”到底是什么意思？您是否想要在“c1”、“c2”、“c3”、“c4”列旁边有一列带有“mean”和一列带有“len”，就像使用df.groupby(["c1", "c2", "c3", "c4"]).aggregate([len, np.mean]).reset_index() 一样？在这种情况下，您可以直接执行此操作，而不是通过交叉表和融化。