使用pandas进行数据分析

Question

以下是我的整个数据集的摘要，只是为了说明我的问题。 该数据框显示了每个id的工作申请情况，我想知道哪种部门组合更有可能被个人申请？

df
id    education   area_job_application
 1      Collage           Construction 
 1      Collage                  Sales
 1      Collage         Administration
 2   University                Finance
 2   University                  Sales
 3      Collage                Finance
 3      Collage                  Sales
 4   University         Administration   
 4   University                  Sales
 4   University           Data analyst
 5   University         Administration
 5   University                  Sales

答案

              Construction    Sales    Administration   Finance   Data analyst
Contruction              1        1                 1         0             0
Sales                    1        5                 3         1             1           
Administration           1        3                 3         0             1
Finance                  0        2                 0         2             0
Data analyst             0        1                 1         0             1

这个答案表明，管理和销售是更有可能收到相同id的申请的部门（这就是我在寻找的答案）。但我也对其他组合感兴趣，我认为热力图将非常有信息量地说明这些数据。

来自同一部门的部门组合是无关紧要的（也许在答案矩阵的对角线上应该是0，不管值是多少，我不会进行分析）。

- Lucas Dresl

Answer 1

使用 crosstab 或 groupby 与 size 和 unstack 首先处理数据，然后通过转置 DataFrame 使用 DataFrame.dot，最后添加 reindex 来自定义索引和列的顺序：

#dynamic create order by unique values of column
L = df['area_job_application'].unique()

#df = pd.crosstab(df.id, df.area_job_application)
df = df.groupby(['id', 'area_job_application']).size().unstack(fill_value=0)
df = df.T.dot(df).rename_axis(None).rename_axis(None, axis=1).reindex(columns=L, index=L)
print (df)
                Construction  Sales  Administration  Finance  Data analyst
Construction               1      1               1        0             0
Sales                      1      5               3        2             1
Administration             1      3               3        0             1
Finance                    0      2               0        2             0
Data analyst               0      1               1        0             1

- jezrael

---

@LucasDresl - 当然，给我一秒钟。 - jezrael

我的错，我做错了什么，现在我再试一次。 - Lucas Dresl

顺便问一下，你知道怎么将矩阵的对角线置为零吗？ - Lucas Dresl

使用 np.fill_diagonal(df.values, 0)。 - jezrael

顺便提一下，在我之前的回答中，我添加了一些时间，如果您感兴趣，可以查看一下。 - jezrael