迭代行和列，python

Question

请你帮我破解计算吗？

我有下表：

我需要做的是将预期频率计算为（行总数*总数）/总计

预期结果：

我假设我需要遍历行和列。 我试过这样做：

for i, row in df_dropped.iterrows():
for j, column in row.iteritems():
    data[row][column] = df_dropped.iloc[i, 3] * df_dropped.iloc[2, j]

出现错误：基于位置的索引只能有[整数，整数切片（START点为INCLUDED，END point为EXCLUDED），listlike of integer，boolean array]类型

我究竟做错了什么？

Answer 1

使用numpy.outer作为最后一列和最后一行的外积并除以
loc选择的标量为numpy数组：

t = df.loc['col_sum', 'row_sum']
arr = np.outer(df['row_sum'], df.loc['col_sum']) / t

然后通过contructor创建DataFrame，使用索引删除最后一列ans行：

df1 = pd.DataFrame(arr[:-1, :-1], 
                   columns=df.columns[:-1],
                   index=df.index[:-1]).add_prefix('exp_')
print (df1)
   exp_satisfied  exp_neutral  exp_dissatisfied
0      24.605263    20.842105          9.552632
1     145.394737   123.157895         56.447368

获取新列名称：

cols = [item for x in df.columns[:-1] for item in (x, 'exp_' + x)]
print (cols)
['satisfied', 'exp_satisfied', 'neutral', 'exp_neutral', 'dissatisfied', 'exp_dissatisfied']

通过concat和reindex一起加入列的预期排序：

df = pd.concat([df.iloc[:-1, :-1], df1], axis=1).reindex(columns=cols)
print (df)
   satisfied  exp_satisfied  neutral  exp_neutral  dissatisfied  \
0         30      24.605263       17    20.842105             8   
1        140     145.394737      127   123.157895            58   

   exp_dissatisfied  
0          9.552632  
1         56.447368  

Answer 2

Jezrael给出了一个很好的答案，你使用numpy和pandas计算预期的频率。 您还可以使用python统计库statsmodels来计算这些类型的统计信息。

例如，要计算预期频率表，您可以：

import statsmodels.api as sm
expected_values = sm.stats.Table(df).fittedvalues

更多信息： statsmodels列联表