如何计算多因子简单交叉表？及Pandas表交叉求和实现需求

嘿，我来帮你搞定这个交叉表的需求！首先咱们先理清楚你的场景：你有两张带id和label的表格，想要把它们的标签做交叉统计，得到不同标签组合的结果对吧？

先明确你的数据情况 #

你给出的两张表是这样的：
表1（df1）：

表2（df2）：

还有你已经写好的初始化代码：

import pandas as pd

d = {'col1': [1, 2, 3], 'col2': [2, 0, 1]}
df1 = pd.DataFrame(data=d)
d = {'col1': [1, 2, 3], 'col2': [1, 1, 0]}
df2 = pd.DataFrame(data=d)

实现步骤 #

其实搞定这个很简单，分两步走就行：

1. 先把两张表按id合并

因为咱们需要把同一个id对应的两个标签配对起来，所以用pd.merge()把它们合并，给两个col2（也就是label）加个后缀区分开：

merged_df = pd.merge(df1, df2, on='col1', suffixes=('_df1', '_df2'))

合并后的结果会是这样的：

2. 生成交叉表

用Pandas自带的pd.crosstab()函数直接统计两个标签的组合次数，这就是咱们要的交叉表啦：

cross_table = pd.crosstab(merged_df['col2_df1'], merged_df['col2_df2'])
print(cross_table)

运行后输出的结果就是：

col2_df2  0  1
col2_df1       
0          0  1
1          1  0
2          0  1

额外扩展：如果需要求和而非计数 #

要是你不是要统计组合出现的次数，而是要对某个数值字段做交叉求和，那可以给pd.crosstab()加两个参数：values指定要求和的列，aggfunc='sum'指定聚合方式。比如假设合并后的表有个value列：

# 示例：对value列交叉求和
cross_table_sum = pd.crosstab(merged_df['col2_df1'], merged_df['col2_df2'], 
                              values=merged_df['value'], aggfunc='sum')

小说明 #

你给出的目标表数值看起来和当前示例数据不太匹配，可能是示例笔误？不过上面的方法是Pandas生成交叉表的标准做法，完全可以满足你“两个因子交叉统计”的需求～

内容的提问来源于stack exchange，提问作者Thaise