如何在Pandas交叉表中对含共同字符串的索引进行分组？

问题场景 #

现有如下Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Age': [21,22,21,23,23,21,21],
    'Region': ['North America', 'Europe East', 'Europe West', 'South America',
               'North America', 'North America', 'Europe West'],
    'Answer': ['yes','yes','no','yes','no','no','yes']
})

需要将Region字段按包含的共同字符串分组（含"Europe"的归为Europe，含"America"的归为America），生成如下交叉表：

Answer         no  yes
Continent                
Europe          1    2    
America         2    2

当前使用pd.crosstab仅能得到按具体Region细分的结果，需进一步处理实现分组聚合。

实现方法 #

方法一：新增大洲列后生成交叉表

先为DataFrame新增Continent列，根据Region的关键词判断所属大洲，再基于该列生成交叉表：

# 新增Continent列，通过关键词匹配划分大洲
df['Continent'] = df['Region'].str.contains('Europe').map({True: 'Europe', False: 'America'})

# 生成目标交叉表
ct = pd.crosstab(index=df['Continent'], columns=df['Answer'])
print(ct)

方法二：对原始交叉表索引分组聚合

如果已经生成了按具体Region的交叉表，可直接对索引进行分组求和：

# 生成原始细分交叉表
ct = pd.crosstab(index=df['Region'], columns=df['Answer'])

# 按索引中的关键词分组并求和
ct_grouped = ct.groupby(lambda x: 'Europe' if 'Europe' in x else 'America').sum()
print(ct_grouped)

两种方法最终都会输出目标格式的交叉表。

内容的提问来源于stack exchange，提问作者Fernando Roig