将Pandas数据帧转换为计数矩阵

Question

我有一个像这样的pandas DataFrame：

actual | predicted
------ + ---------
Apple  | Apple
Apple  | Apple
Apple  | Banana
Banana | Orange
Orange | Apple

我想要这个。

       |  Apple  | Banana  | Orange
------ + ------- + ------- + -------
Apple  |  2      | 1       | 0
Banana |  0      | 0       | 1
Orange |  1      | 0       | 0

- Gregor Sturm

Answer 1

你可以使用 groupby 和聚合函数size，以及unstack函数处理 MultiIndex：

df = df.groupby(['actual','predicted']).size().unstack(fill_value=0)
print (df)
predicted  Apple  Banana  Orange
actual                          
Apple          2       1       0
Banana         0       0       1
Orange         1       0       0

使用crosstab的另一种解决方案：

df = pd.crosstab(df.actual, df.predicted)
print (df)
predicted  Apple  Banana  Orange
actual                          
Apple          2       1       0
Banana         0       0       1
Orange         1       0       0

- jezrael

---

已被接受用于“交叉表”。对 size() 进行反叠操作似乎有点像 hack。 - Gregor Sturm

谢谢您的接受！第一个解决方案更快，但我同意它有点不太正规。 - jezrael

In [142]: %timeit pd.crosstab(df.actual, df.predicted) 100 loops, best of 3: 5.04 ms per loop andIn [143]: %timeit df.groupby(['actual','predicted']).size().unstack(fill_value=0) 1000 loops, best of 3: 1.28 ms per loop - jezrael

@GregorSturm一点也不是黑客。您正在计算每个组合出现的次数。要获取矩阵，您需要解封并用零填充空值。我相信如果您仔细观察crosstab的内部机制，会发现很多相似之处。 - piRSquared

@piRSquared - 谢谢。我仍然感到惊讶crosstab比较慢。但我认为函数的实现有所不同。 - jezrael

+1 给第一个使用 groupby() 的解决方案，因为它允许我使用 sum() 而不是 size()，而 crosstab() 解决方案则不行。谢谢！ - tommy.carstensen

Answer 2

您可以使用 pandas.pivot_table。

>>> df.pivot_table(index='actual', columns='predicted', aggfunc=len).fillna(0).astype('int')
predicted Apple Banana Orange
actual                       
Apple         2      1      0
Banana        0      0      1
Orange        1      0      0

- Roman Pekar

Answer 3

有点冒险，但我认为你正在寻找一个混淆矩阵

from sklearn.metrics import confusion_matrix
print confusion_matrix(df['actual'], df['predicted'])

- Vivek Kalyanarangan