Pandas DataFrame中的计数数据透视表

Question

我有一个 Pandas 数据框：

  Col X    Col Y
class 1    cat 1
class 2    cat 1
class 3    cat 2
class 2    cat 3

我想要转换成：

         cat 1  cat 2  cat 3
class 1      1      0      0
class 2      1      0      1
class 3      0      1      0

其中的值是值计数。我该怎么做？

- SteelyDanish

Answer 1

下面介绍几种重塑数据框 df 的方法。

In [27]: df
Out[27]:
     Col X  Col Y
0  class 1  cat 1
1  class 2  cat 1
2  class 3  cat 2
3  class 2  cat 3

1) 使用pd.crosstab()函数

In [28]: pd.crosstab(df['Col X'], df['Col Y'])
Out[28]:
Col Y    cat 1  cat 2  cat 3
Col X
class 1      1      0      0
class 2      1      0      1
class 3      0      1      0

2) 或者，使用 groupby 在 'Col X','Col Y' 上运行，并对 Col Y 使用 unstack，然后用零填充 NaNs。

In [29]: df.groupby(['Col X','Col Y']).size().unstack('Col Y', fill_value=0)
Out[29]:
Col Y    cat 1  cat 2  cat 3
Col X
class 1      1      0      0
class 2      1      0      1
class 3      0      1      0

3) 或者使用pd.pivot_table()，并且将index=列X，columns=列Y。

In [30]: pd.pivot_table(df, index=['Col X'], columns=['Col Y'], aggfunc=len, fill_value=0)
Out[30]:
Col Y    cat 1  cat 2  cat 3
Col X
class 1      1      0      0
class 2      1      0      1
class 3      0      1      0

4) 或者，使用 set_index 与 unstack

In [492]: df.assign(v=1).set_index(['Col X', 'Col Y'])['v'].unstack(fill_value=0)
Out[492]:
Col Y    cat 1  cat 2  cat 3
Col X
class 1      1      0      0
class 2      1      0      1
class 3      0      1      0

- Zero

---

谢谢John - 非常有帮助，尤其是提供了不同的可能性！我甚至没有想到交叉表的可能性。 - SteelyDanish

感谢对这三种方法的比较。我通常使用groupby，也经常看到pivot_table被使用。 - Waylon Walker

我发现这个问题是因为我试图弄清楚groupby和pivot_table之间的区别以及何时使用哪一个。你的回答确实很有帮助。你知道有没有一些易于理解的关于不同概念的信息呢？谢谢。 - Fabian Bosler

警告：最后一个方法（set_index 和 unstack）通常不起作用：当原始数据中存在重复行时，它会失败。 - Eric O. Lebigot

Answer 2

自从pandas 1.1.0版本以来，可以在数据框上调用value_counts()。因此，另一种方法是计算每对Col X-Col Y值的计数并取消堆叠计数。

table = df[['Col X', 'Col Y']].value_counts().rename_axis([None, None]).unstack(fill_value=0)

- cottontail