基于dplyr与自定义函数实现带权重的交叉表计算

假设使用pandas处理数据集，以下是整合手动步骤后的自定义函数实现：

import pandas as pd

def crosstab_w(df):
    # 1. 计算每个Speed分组下唯一ID的权重总和
    speed_total_weights = df.groupby(['Speed', 'ID'])['Weight'].first().groupby('Speed').sum()
    
    # 2. 计算Speed-Key组合的加权总和，生成原始交叉表
    cross_raw = df.groupby(['Speed', 'Key'])['Weight'].sum().unstack(fill_value=0)
    
    # 3. 将各列值除以对应Speed分组的总权重，得到加权频率交叉表
    cross_norm = cross_raw.div(speed_total_weights, axis=0)
    
    return cross_norm

函数说明： #

• 第一步：先按Speed和ID分组，用first()确保每个ID在对应Speed组中只统计一次权重，再按Speed求和得到该分组的总权重。
• 第二步：按Speed和Key分组对Weight求和，通过unstack()转成交叉表格式，缺失值填充为0。
• 第三步：用div()方法将交叉表每行（对应一个Speed分组）除以该分组的总权重，完成归一化得到加权频率交叉表。

使用示例： #

若数据集存储在data_df中，直接调用函数即可：

weighted_crosstab = crosstab_w(data_df)

内容的提问来源于stack exchange，提问作者Laura