如何从Pandas DataFrame获取两个分箱变量的联合频率？

现有包含Temperature（温度）和Humidity（湿度）的Pandas DataFrame，数据如下：

生成该DataFrame的代码：

import pandas as pd
import numpy as np

data = {
    'Temperature': [17.6, 22.1, 13.6, 26.4, 25.6],
    'Humidity': [88, 81, 88, 71, 72]
}

df = pd.DataFrame(data)

需求：生成以分箱后的Temperature为列、分箱后的Humidity为索引的交叉表，表格值为两个分箱条件的联合出现频率（绝对或相对）。分箱规则为：

• 温度：按0-4,4-8,...,28-32区间分箱
• 湿度：按0-10,10-20,...,90-100区间分箱

已掌握单个变量的分箱及计数方法：

df['T_binned'] = pd.cut(df['Temperature'], bins=np.arange(0,32,4))
df['H_binned'] = pd.cut(df['Humidity'], bins=np.arange(0,100,10))
counts_T = df.groupby(by='T_binned').count()
counts_H = df.groupby(by='H_binned').count()

需要实现两个分箱条件的联合次数统计。

方法1：groupby + unstack 分步实现 #

先对两个分箱列分组计数，再通过unstack调整格式得到交叉表：

# 1. 对湿度、温度分箱列分组，统计每组的绝对数量
joint_counts = df.groupby(['H_binned', 'T_binned']).size().reset_index(name='Count')

# 2. 将温度分箱转为列，缺失组合填充为0
cross_table = joint_counts.pivot(index='H_binned', columns='T_binned', values='Count').fillna(0)

# 可选：计算相对频率（占总样本的比例）
relative_cross_table = cross_table / cross_table.sum().sum()

执行后，cross_table即为绝对频率交叉表，示例输出如下：

其余无数据的分箱组合会显示为0。

方法2：直接使用pd.crosstab（更简洁） #

Pandas内置的crosstab函数可直接生成符合要求的交叉表，一步完成：

# 生成绝对频率交叉表，保留所有分箱（即使无数据）
cross_table = pd.crosstab(
    index=pd.cut(df['Humidity'], bins=np.arange(0,100,10)),
    columns=pd.cut(df['Temperature'], bins=np.arange(0,32,4)),
    dropna=False  # 保留所有定义的分箱区间
).fillna(0)

# 可选：生成相对频率交叉表
relative_cross_table = pd.crosstab(
    index=pd.cut(df['Humidity'], bins=np.arange(0,100,10)),
    columns=pd.cut(df['Temperature'], bins=np.arange(0,32,4)),
    normalize=True,  # 计算占总样本的比例
    dropna=False
).fillna(0)

dropna=False参数确保所有预设的分箱区间都被保留，完全匹配你期望的输出格式。

内容的提问来源于stack exchange，提问作者user13132640