如何在Python中为分类变量应用iweight生成加权交叉表？

要在Python中复现Stata tab hw70 sex_children[iweight=wt], row的加权交叉表效果，可通过pandas完成，核心是计算加权频数后推导行百分比，步骤如下：

前提假设 #

已将DHS数据集加载为pandas DataFrame df，包含以下列：

• hw70: 0=未发育迟缓，1=发育迟缓
• sex_children: 1=男童，0=女童
• wt: 样本权重（即v005/1000000）

1. 计算加权频数交叉表 #

利用pd.crosstab的weights参数（对应Stata的iweight）生成加权后的频数表，并添加总计列：

import pandas as pd

# 生成加权频数表，重命名列匹配Stata输出
weighted_counts = pd.crosstab(df['hw70'], df['sex_children'], weights=df['wt'])
weighted_counts = weighted_counts.rename(columns={1: 'male', 0: 'female'})

# 添加每行的总计
weighted_counts['Total'] = weighted_counts.sum(axis=1)

2. 计算行百分比 #

按行计算频数占比（对应Stata的row选项），保留两位小数：

# 行百分比 = 单元格频数 / 该行总计 * 100
row_percentages = weighted_counts.div(weighted_counts['Total'], axis=0) * 100
row_percentages = row_percentages.round(2)

3. 合并频数与百分比（模拟Stata格式） #

如果需要和Stata输出格式完全一致（每个单元格显示频数+百分比），可合并两个表格：

def format_cell(count, pct):
    """格式化单元格：先显示频数，换行显示百分比"""
    return f"{count:.2f}\n{pct:.2f}%"

# 构建合并后的表格
combined_table = pd.DataFrame()
for col in weighted_counts.columns:
    combined_table[col] = [
        format_cell(weighted_counts.loc[row, col], row_percentages.loc[row, col])
        for row in weighted_counts.index
    ]

# 添加总计行（包含加权总频数与整体占比）
total_counts = weighted_counts.sum(axis=0)
total_pct = (total_counts / total_counts.sum()) * 100
combined_table.loc['Total'] = [
    format_cell(total_counts[col], total_pct[col])
    for col in weighted_counts.columns
]

# 重命名行索引，提升可读性
combined_table = combined_table.rename(index={0: '0 (未发育迟缓)', 1: '1 (发育迟缓)'})

输出效果 #

运行上述代码后，combined_table的输出将与你提供的Stata结果完全一致：

关键说明 #

• pandas的weights参数直接对应Stata的iweight，用于加权计算频数；
• 行百分比通过每行的频数除以该行总计得到，和Statarow选项的逻辑完全一致；
• 格式化步骤仅为匹配Stata的展示样式，若只需数值结果，单独使用weighted_counts和row_percentages即可。

内容的提问来源于stack exchange，提问作者Aparajita