10.4 透视表和交叉表

    回到小费数据集，假设我想要根据day和smoker计算分组平均数（pivot_table的默认聚合类型），并将day和smoker放到行上：

    可以用groupby直接来做。现在，假设我们只想聚合tip_pct和size，而且想根据time进行分组。我将smoker放到列上，把day放到行上：

    2.    .....:                  columns='smoker')
    3. Out[131]: 
    4.                  size             tip_pct          
    5. smoker             No       Yes        No       Yes
    6. time   day                                         
    7. Dinner Fri   2.000000  2.222222  0.139622  0.165347
    8.        Sat   2.555556  2.476190  0.158048  0.147906
    9.        Sun   2.929825  2.578947  0.160113  0.187250
    10.        Thur  2.000000       NaN  0.159744       NaN
    11. Lunch  Fri   3.000000  1.833333  0.187735  0.188937
    12.        Thur  2.500000  2.352941  0.160311  0.163863

    还可以对这个表作进一步的处理，传入margins=True添加分项小计。这将会添加标签为All的行和列，其值对应于单个等级中所有数据的分组统计：

    要使用其他的聚合函数，将其传给aggfunc即可。例如，使用count或len可以得到有关分组大小的交叉表（计数或频率）：

    1. In [133]: tips.pivot_table('tip_pct', index=['time', 'smoker'], columns='day',
    2.    .....:                  aggfunc=len, margins=True)
    4. time   smoker                               
    5. Dinner No       3.0  45.0  57.0   1.0  106.0
    6.        Yes      9.0  42.0  19.0   NaN   70.0
    7. Lunch  No       1.0   NaN   NaN  44.0   45.0
    8.        Yes      6.0   NaN   NaN  17.0   23.0
    9. All            19.0  87.0  76.0  62.0  244.0

    如果存在空的组合（也就是NA），你可能会希望设置一个fill_value：

    pivot_table的参数说明请参见表10-2。

    交叉表（cross-tabulation，简称crosstab）是一种用于计算分组频率的特殊透视表。看下面的例子：

    1. In [138]: data
    2. Out[138]:
    3.    Sample Nationality    Handedness
    4. 0       1         USA  Right-handed
    5. 1       2       Japan   Left-handed
    6. 2       3         USA  Right-handed
    7. 3       4       Japan  Right-handed
    8. 4       5       Japan   Left-handed
    9. 6       7         USA  Right-handed
    10. 7       8         USA   Left-handed
    11. 8       9       Japan  Right-handed
    12. 9      10         USA  Right-handed

    作为调查分析的一部分，我们可能想要根据国籍和用手习惯对这段数据进行统计汇总。虽然可以用pivot_table实现该功能，但是pandas.crosstab函数会更方便：

    crosstab的前两个参数可以是数组或Series，或是数组列表。就像小费数据：

    1. In [140]: pd.crosstab([tips.time, tips.day], tips.smoker, margins=True)
    2. Out[140]: 
    3. smoker        No  Yes  All
    4. time   day                
    5. Dinner Fri     3    9   12
    6.        Sat    45   42   87
    7.        Sun    57   19   76
    8.        Thur    1    0    1
    9. Lunch  Fri     1    6    7
    10.        Thur   44   17   61