Python如何将两列数据转换为组合频次计数矩阵？

需求说明 #

存在两列分类数据：

• 第1列共N个唯一取值，作为矩阵行索引
• 第2列共M个唯一取值，作为矩阵列名
• 矩阵每个元素存储对应行、列取值组合在原始数据中的出现次数
• 方案需支持两列存在2个以上不同取值的通用场景

示例测试数据 #

import pandas as pd
days = ['Monday','Tuesday','Monday','Tuesday','Tuesday','Monday']
weather = ['Rain','Sun','Sun','Sun','Rain','Rain']
df = pd.DataFrame({'day':days,'weather':weather})

上述示例预期输出2×2矩阵：行索引为Monday/Tuesday，列名为Rain/Sun，矩阵值为[[2,1],[1,2]]，对应统计结果：周一降雨2次、周一晴天1次、周二降雨1次、周二晴天2次。

实现代码 #

直接使用pandas内置的pd.crosstab()方法即可，该方法专门用于统计两个分类变量的交叉频次，自动适配任意数量的分类值，无需手动编写循环统计逻辑：

# 生成交叉频次矩阵
freq_matrix = pd.crosstab(index=df['day'], columns=df['weather'])

# 打印矩阵
print(freq_matrix)

运行输出：

weather  Rain  Sun
day               
Monday      2    1
Tuesday     1    2

如果需要提取纯数值的二维数组格式，直接访问.values属性即可：

print(freq_matrix.values)

输出：

[[2 1]
 [1 2]]

补充说明 #

• 该方法会自动识别两列的所有唯一值生成行、列标签，未出现的行列组合会自动填充0，不需要额外做缺失值补全
• 如果需要调整行、列的排序，可以在生成矩阵后用.reindex()方法手动指定标签顺序
• 方法自带归一化、添加边际合计等常用参数，可直接调用满足扩展需求

内容的提问来源于stack exchange，提问作者dcoolwater0502