如何用Pandas生成年龄缺失值的性别双向对比表？

嘿，这问题我熟，我来给你一步步拆解怎么用Pandas搞定这个缺失值分布对比的需求～

首先先还原你的示例数据，我们可以先把它构建成Pandas DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'ID': [1, 2, 3, 4, 5],
    'Age': [20, 40, 40, np.nan, 18],
    'Sex': [np.nan, 'F', 'M', 'M', np.nan]
})

你的需求是对比Male和Female群体中，Age字段有值/缺失的比例，生成类似双向对比表的结果。下面是具体实现步骤：

步骤1：筛选有效样本 #

原数据里有部分Sex字段为空的行，我们只关注明确标记为Male（M）和Female（F）的样本，先把这些行筛选出来：

filtered_df = df[df['Sex'].isin(['M', 'F'])].copy()

步骤2：标记Age是否存在 #

新增一列来标记每行的Age是否非空（也就是有没有有效值）：

filtered_df['Has Age'] = filtered_df['Age'].notna()

步骤3：生成交叉计数表 #

用pd.crosstab来统计每个性别下，Age有值/缺失的数量：

cross_tab = pd.crosstab(filtered_df['Sex'], filtered_df['Has Age'], margins=False)
# 把默认的True/False列名改成你需要的名称
cross_tab.columns = ['Null age', 'Has Age']

步骤4：计算比例并调整格式 #

把计数转换成每行的比例（也就是每个性别内部的占比），再调整索引和列的顺序，让结果和你期望的一致：

# 按行归一化，计算每个性别下的比例
proportion_tab = cross_tab.div(cross_tab.sum(axis=1), axis=0)
# 把行索引改成你要的Male/Female
proportion_tab.index = ['Male', 'Female']
# 调整列的顺序为Has Age在前，Null age在后
proportion_tab = proportion_tab[['Has Age', 'Null age']]

最终结果 #

运行完上面的代码后，打印proportion_tab就能得到你想要的双向对比表：

Has Age  Null age
Male         0.5       0.5
Female       1.0       0.0

这个结果对应你的数据：Male群体有2个样本，其中一半有Age值、一半缺失；Female群体只有1个样本，Age是完整的，所以缺失比例为0。

内容的提问来源于stack exchange，提问作者Luis