如何实现pd.crosstab()的自定义归一化，按指定分组计算占比

解决方案 #

你之前使用normalize='columns'是按整列所有行的总和做归一化，不符合你需要的按「性别+教育程度」分组内计算婚姻状况占比的逻辑，可以按以下步骤实现：

1. 先生成仅统计人数的交叉表，不提前做归一化

ct_count = pd.crosstab(
    index=[df['Gender'], df['Education'], df['MaritalStatus']],
    columns=df['month']
)

2. 对交叉表按前两层索引（Gender、Education）分组，在分组内按列做归一化后保留两位小数：

ct = ct_count.groupby(level=[0, 1], group_keys=False).apply(
    lambda x: x.div(x.sum(axis=0)).round(2)
)

逻辑说明 #

以上代码中groupby(level=[0,1])就是按「性别+教育程度」对数据分组，x.div(x.sum(axis=0))会将分组内每个月的各婚姻状况人数，除以该分组对应月份的总人数，完全匹配你需要的计算规则。

内容的提问来源于stack exchange，提问作者newuser1628