列在熊貓交叉表中混亂

Question

該代碼將使用Seaborn中的Titanic數據集構建pd.crosstab。 輸出表中的列總和看起來很混亂。

import pandas as pd
import seaborn as sns

titanic = sns.load_dataset('titanic')

bin = [0,15,100]
titanic["adult"] = pd.cut(titanic.age, bin, labels=["kid","adult"])
pd.crosstab(titanic.survived, titanic.adult, normalize=True, margins=True)

我預計將有0.116246 / 0.883754 / 1.000000 ，但是在最后一行應放置列總和的位置給出0.883754 / 0.116246 / 1.000000 。

Answer 1

總計的翻轉/沖銷完全是由於原始age列中存在NaN值，隨后您創建的合並adult列中也存在NaN值。 您應該只將dropna=False添加到您的pd.crosstab()命令中，這將返回正確的結果：

pd.crosstab(titanic.survived, titanic.adult, dropna=False, normalize=True, margins=True)

adult   kid     adult       All
survived            
0   0.047619    0.546218    0.616162
1   0.068627    0.337535    0.383838
All 0.116246    0.883754    1.000000