Python中基于DataFrame的交叉表（Crosstab）实现需求求助

要实现你需要的交叉表，可以通过分组聚合+透视表的组合步骤完成，具体代码如下：

步骤1：准备数据，聚合每个交易的总销售额与分类销量 #

首先按交易ID（Transaction）分组，计算每个交易的总销售额；同时将分类（Category）转为列，提取每个交易对应Everyday和Other的销量，缺失的分类销量填充为0：

import pandas as pd

# 假设你的basket DataFrame已存在
# 1. 计算每个交易的总销售额
total_sales = basket.groupby('Transaction')['Sales_Value'].sum().reset_index(name='Total_Sales')

# 2. 提取每个交易的Everyday/Other销量，缺失填充0
vol_by_category = basket.pivot(
    index='Transaction',
    columns='Category',
    values='Sales_Vol'
).fillna(0).reset_index()

# 3. 合并销量与总销售额数据
combined_data = pd.merge(vol_by_category, total_sales, on='Transaction')

步骤2：构建目标交叉表 #

用透视表按Everyday销量（行）和Other销量（列）聚合总销售额，再补全缺失的行/列（0-3的销量范围），最后调整格式：

# 构建透视表，聚合对应组合的总销售额
cross_table = combined_data.pivot_table(
    index='Everyday',
    columns='Other',
    values='Total_Sales',
    aggfunc='sum',
    fill_value=0
)

# 补全0-3的行和列，缺失值填充0
vol_range = [0, 1, 2, 3]
cross_table = cross_table.reindex(index=vol_range, columns=vol_range, fill_value=0)

# 调整索引为Vols列，匹配目标格式
cross_table = cross_table.reset_index().rename(columns={'Everyday': 'Vols'})

最终结果 #

运行上述代码后，cross_table就是你需要的格式：

关键说明 #

• 用pivot将分类转为列，方便获取每个交易的双分类销量
• pivot_table负责聚合对应销量组合的总销售额
• reindex补全0-3的销量范围，确保表格结构与目标一致

内容的提问来源于stack exchange，提问作者S L