使用 pandas 交叉表计算类别列的交叉计数

Question

我有一个 table 客户购买产品类别。我正在尝试建立一个交叉销售矩阵，计算每对产品类别的唯一客户，并且总计也有唯一计数。

pandas.crosstab 是一个很好的开始方式，但在小计上失败（即 margins=True）

df = pd.DataFrame({
    'cust':  ['1', '1', '2', '3', '3', '4', '5'], # customer ID
    'categ': ['a', 'b', 'a', 'a', 'b', 'b', 'b']  # category ID
})
# have 2 columns to make the crosstab
dd = pd.merge(df, df, on='cust')

然后 pd.crosstab(dd.categ_x, dd.categ_y, margins=True) 给出：

| categ_x | a | b | All | 
|---------|---|---|-----| 
| a       | 3 | 2 | 5   | 
| b       | 2 | 4 | 6   | 
| All     | 5 | 6 | 11  |

pd.merge 有助于用十字中的正确数字填充单元格table，但会导致 subtotals/margins

的错误计数

我期望的是：

| categ_x | a | b | All | 
|---------|---|---|-----| 
| a       | 3 | 2 | 3   | -- I have 3 unique clients with 'a'
| b       | 2 | 4 | 4   | -- I have 4 unique clients with 'b'
| All     | 3 | 4 | 5   | -- I have 5 unique clients in total

我已经尝试了一些 count，uniques...到目前为止没有太大的成功。

编辑

jezrael 答案很好，但我想知道他们是否可以使用正确的 aggfunc.

直接通过 crosstab 来完成

Answer 1

您可以通过 groupby.nunique and add values manually by join and append:

计算值

s = df2.groupby(['categ'])['cust'].nunique().rename('All')
s1 = s.append(pd.Series({'All': df2['cust'].nunique()}, name='All'))

df = pd.crosstab(dd.categ_x, dd.categ_y).join(s).append(s1)
print (df)
         a  b  All
categ_x           
a        3  2    3
b        2  4    4
All      3  4    5

另一个类似的解决方案：

s = df2.groupby(['categ'])['cust'].nunique().rename('All')
df = pd.crosstab(dd.categ_x, dd.categ_y).join(s).append(s)
df.loc['All','All'] = df2['cust'].nunique()
df = df.astype(int)
print (df)
         a  b  All
categ_x           
a        3  2    3
b        2  4    4
All      3  4    5

Answer 2

我认为这符合我的需要：

pd.crosstab(
    dd.categ_x, dd.categ_y, margins=True, 
    values=dd.cust, aggfunc=pd.Series.nunique
)

给出：

| categ_x | a | b | All |
|---------|---|---|-----|
| a       | 3 | 2 | 3   |
| b       | 2 | 4 | 4   |
| All     | 3 | 4 | 5   |

pd.Series.nunique 给出 values 的唯一值的 length/size（这里是 dd.cust）。

使用 pandas 交叉表计算类别列的交叉计数

Using pandas crosstab to compute cross count on a category column

python

crosstab

pandas