如何用Pandas Crosstab统计不同地形与距离下的第一名次数

我有一个Pandas DataFrame，数据如下：

Terrain  Distance  Rank
77     Dirt       100     1
15    Grass       120     1
82     Road       180     1
4      Rock       100     1
107    Rock       120     1
70     Rock       200     1
115    Rock       200     1
37     Snow       160     1
57     Snow       160     1
95     Snow       160     1
193   Track       100     1
32     Dirt       100     2
97    Grass       140     2
51     Road       160     2
125    Road       180     2
90     Rock       140     2
60     Snow       120     2
78    Track       100     2
205   Track       120     2
33     Dirt       100     3
17     Dirt       140     3
53    Grass       100     3
161   Grass       100     3
43    Grass       160     3
81    Grass       160     3
103    Road       120     3
208    Road       160     3
58     Road       180     3
44     Rock       120     3
66     Rock       140     3
101    Rock       140     3
88     Rock       180     3
122    Rock       180     3
119    Sand       140     3
5      Sand       160     3
84     Snow       140     3
21     Snow       160     3
111    Snow       180     3
140   Track       140     3
29    Track       180     3
39    Track       200     3
2      Dirt       100     4
31     Dirt       140     4
102   Grass       140     4
134   Grass       160     4
108    Road       120     4
118    Road       120     4

我原本用以下代码生成统计所有记录数的交叉表：

# 频率表：使用crosstab()函数
my_crosstab = pd.crosstab(index=df["Terrain"], 
                          columns=df["Distance"],
                          margins=True)  # 包含行和列的总计
my_crosstab

生成的结果为：

Distance    100 120 140 160 180 200 All
Terrain                         
Dirt        12  5   9   5   4   5   40
Grass       4   5   8   8   2   6   33
Road        6   5   4   7   6   5   33
Rock        8   4   6   2   10  6   36
Sand        4   4   4   7   5   2   26
Snow        5   10  11  11  5   4   46
Track       9   6   4   6   6   4   35
All         48  39  46  46  38  32  249

现在需要修改代码，生成一个交叉表，每个单元格显示对应**（Terrain，Distance）组合下Rank=1的次数**，预期结果如下：

Distance    100 120 140 160 180 200 
Terrain                         
Dirt        1  
Grass            1
Road                         1
Rock        1    1               2                     
Sand    
Snow                    3 
Track       1

解决方案 #

方法1：直接使用crosstab的聚合参数 #

利用pd.crosstab的values和aggfunc参数，指定统计Rank列中等于1的次数：

# 统计各(Terrain, Distance)组合下Rank=1的次数
my_crosstab_rank1 = pd.crosstab(
    index=df["Terrain"],
    columns=df["Distance"],
    values=df["Rank"],
    aggfunc=lambda x: (x == 1).sum()
)
# 可选：将0值替换为空，让表格更符合预期展示效果
my_crosstab_rank1 = my_crosstab_rank1.replace(0, "")
my_crosstab_rank1

方法2：先筛选数据再生成交叉表 #

先过滤出Rank=1的行数据，再对这些数据生成交叉表，得到的就是对应组合的次数：

# 筛选出Rank=1的记录
df_rank1 = df[df["Rank"] == 1]
# 生成交叉表
my_crosstab_rank1 = pd.crosstab(
    index=df_rank1["Terrain"],
    columns=df_rank1["Distance"]
)
# 可选：补全所有地形和距离的组合，并将0替换为空
all_terrains = df["Terrain"].unique()
all_distances = df["Distance"].unique()
my_crosstab_rank1 = my_crosstab_rank1.reindex(
    index=all_terrains, 
    columns=all_distances, 
    fill_value=0
).replace(0, "")
my_crosstab_rank1

两种方法都能实现需求，方法2逻辑更直观，方法1则更为简洁。

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