數據分析基礎 | Python數據交叉表，你學會了嗎？
1.引言
數據交叉表（也稱為列聯表或交叉表）是一種統計方法，用于分析和展示兩個或多個分類變量之間的關系。在 Python 中，我們可以使用 Pandas 庫中的crosstab函數來創建兩個或多個因子的交叉表，相比Excel，Python可以更多更快的處理數據，首先，引入幾個重要的包：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False2.數據
使用武漢市某超市過去一個月的銷售數據（如有需要可聯系作者獲取），創建一個DataFrame對象，作為數據源，并通過可視化各商品的銷售情況，找出最熱賣的十樣商品，代碼如下：
data = pd.read_excel('3.1-3.31商品銷售流水.xls')
# 計算每個商品的出現次數
product_counts = data['品名'].value_counts()
# 轉換成DataFrame形式
product_counts = pd.DataFrame({'商品名稱': product_counts.index, '出現次數': product_counts.values})
# 去掉袋子
product_counts = product_counts.drop([0, 3])
# 可視化銷售情況
top_10 = product_counts.head(10)
ax = top_10.plot(kind='bar', x='商品名稱', y='出現次數', figsize=(10, 6), color='skyblue')
plt.title('Top 10 Most Frequent Products in March')
plt.xlabel('Product')
plt.ylabel('Frequency')
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
# 在柱子上方顯示數值
for p in ax.patches:
ax.annotate(str(p.get_height()), (p.get_x() + p.get_width() / 2., p.get_height()), ha='center', va='center', xytext=(0, 5), textcoords='offset points')
plt.show()結果如下：
圖片
3.crosstab 函數
首先，介紹一下crosstab 函數：
函數：
pandas.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc='default', margins=False, margins_name='All', dropna=True)看一下參數主要的作用：
index：必選參數，行索引，這是創建交叉表時必須指定的參數，用于定義交叉表的行索引。可以設置為DataFrame中的一個或多個列，以創建多層索引。
columns：必選參數，列索引，這是創建交叉表時必須指定的參數，用于定義交叉表的列索引。通常用于展示分類數據。
values：非必選參數，被計算的數據項，這是一個可選參數，指定需要在交叉表中進行聚合操作的列。如果沒有提供，交叉表將只計算行和列的組合數量。
rownames：非必選參數，行索引的名稱，這是一個可選參數，用于指定行索引的名稱。如果未指定，將使用 index參數中的名稱。
colnames：非必選參數，列索引的名稱，這是一個可選參數，用于指定列索引的名稱。如果未指定，將使用 columns參數中的名稱。
aggfunc：非必選參數，聚合函數，這是用于對交叉表中的數據進行聚合計算的函數，默認為 'default'，表示使用 numpy 的 sum函數。可以根據需要選擇其他聚合函數。
fill_values：非必選參數，填充NA值，這是一個可選參數，用于指定在交叉表中缺失值的填充值。如果未指定，缺失值將保留為 NaN。
margins：非必選參數，添加行列的總計，這是一個布爾值參數，默認為 False，表示不顯示行列的總計。如果設置為 True，則會在交叉表的行和列末尾添加總計。
margins_name：非必選參數，邊緣名稱，當 margins=True時，此參數用于設置邊緣行或列的名稱，默認值為 'All'。
dropna：非必選參數，是否丟棄NA值，這是一個布爾值參數，默認為 True，表示如果整行或整列都是NA值，則這些行或列將被丟棄。如果設置為 False，則這些行或列將被保留。
根據上述函數參數介紹，通過下面一個例子進行示例，假設我們有一個包含性別（Gender）、就業狀態（Employment Status）和年齡組（Age Group）的數據集，我們想要創建一個交叉表來分析不同性別和就業狀態的分布情況，并計算每個組合的人數。代碼如下：
import pandas as pd
# 示例數據
data2 = pd.DataFrame({
'Gender': ['Male', 'Female', 'Female', 'Male', 'Female', 'Male'],
'Employment Status': ['Employed', 'Unemployed', 'Employed', 'Employed', 'Unemployed', 'Employed'],
'Age Group': ['20-30', '20-30', '30-40', '30-40', '20-30', '40-50']
})
# 創建交叉表
cross_table = pd.crosstab(
index=data2['Gender'],
columns=data2['Employment Status'],
margins=True,
margins_name='Total'
)
print(cross_table)結果如下：
圖片
4.熱力圖可視化交叉表
根據前文crosstab 函數用法介紹，對本文使用的銷售數據創建交叉表，使用熱力圖可視化交叉表，對“讓利類型”和“top_10”創建數據交叉，代碼如下：
# 使用 crosstab 創建交叉表
cross_tab = pd.crosstab(data['讓利類型'],['top_10'] )
cross_tab
# 使用熱力圖可視化交叉表
sns.heatmap(cross_tab, annot=True, fmt="d")
plt.show()結果如下：
圖片
同理，對“原價”和“top_10”創建數據交叉，代碼如下：
# 使用 crosstab 創建交叉表
cross_tab = pd.crosstab(data['原價'],['top_10'] )
cross_tab
# 使用熱力圖可視化交叉表
sns.heatmap(cross_tab, annot=True, fmt="d")
plt.show()結果如下：
圖片
同理，對“類別名稱”和“top_10”創建數據交叉，代碼如下：
# 使用 crosstab 創建交叉表
cross_tab = pd.crosstab(data['類別名稱'], ['top_10'])
cross_tab
# 使用熱力圖可視化交叉表
sns.heatmap(cross_tab, annot=True, fmt="d")
plt.show()結果如下：
圖片
同理，對“品名”和“top_10”創建數據交叉，代碼如下：
# 使用 crosstab 創建交叉表
cross_tab = pd.crosstab(data['品名'],['top_10'] )
cross_tab
# 使用熱力圖可視化交叉表
sns.heatmap(cross_tab, annot=True, fmt="d")
plt.show()結果如下：
圖片
以上就是用Python構造數據交叉表的內容介紹。數據交叉表是數據分析中非常重要的工具，掌握它可以讓你更加高效地進行數據處理和可視化呈現。
