Pandas：沿列和行对数据集进行分组

Question

我有一个看起来有点像的数据集：

ID| Hungry? | Height  |Outcome | other1 | other2 | other3
1    yes     tall      good
2    no      short     bad 
3    yes     medium     okay 
4    yes     tall       bad  
5    no     tall      good
5    no     short      good
5    no     short      good

我希望能够任意产生两个非常相似的输出，这些输出汇总了根据分类或是/否特征划分的每个结果的计数：

对于分类列：

       |short|medium|tall|All
bad       1    0     1     2
okay      0    1     0     1
good      2    0     1     3

对于是/否列：

      |hungry|nothungry|All
bad       1     1         2
okay      1     0         1
good      1     3         4

这与执行 df.values_count('Outcome') 相同，但沿列另外划分。 我已经尝试使用 pivot_table 执行此操作，但是当我进行行计数而不是汇总预先存在的定量值时，我无法弄清楚如何使其正确。 它最终使用了原始数据集中的所有列。

我来的最近的是

df.pivot_table(index='Outcome',columns='Height',aggfunc='count',values='Other1',margins=True)

在这种情况下，Other1 是一个任意列，看起来像是一个杂物。 这也适用于我的分类列，例如高度，但我不确定如何将其扩展到是/否。

有没有更简单的方法来做到这一点？

Answer 1

您可以使用pandas.crosstab ：

result = pd.crosstab(index=df.Outcome,columns=df.Height, margins=True)
print(result)

Output

Height   medium  short  tall  All
Outcome                          
bad           0      1     1    2
good          0      2     2    4
okay          1      0     0    1
All           1      3     3    7

这同样适用于Hungry列：

result = pd.crosstab(index=df.Outcome,columns=df.Hungry, margins=True)
print(result)

Output

Hungry   no  yes  All
Outcome              
bad       1    1    2
good      3    1    4
okay      0    1    1
All       4    3    7