Pandas 中透视表（`pivot_table`）和交叉表（`crosstab`）的区别

Pandas 中透视表（pivot_table）和交叉表（crosstab）的区别

核心区别

1. 透视表 (pivot_table)

   • 用于对数据进行 聚合计算（如求和、均值、计数等）。
   • 支持多维度分组（行、列、甚至多层索引）。
   • 可以指定 values（要聚合的值）和 aggfunc（聚合函数）。

2. 交叉表 (crosstab)

   • 专门用于 计算频率分布（即列联表，统计不同组合的出现次数）。
   • 默认行为是计数，但也可通过参数自定义聚合函数。
   • 语法更简洁，适合快速生成两个变量的交叉统计。

---

代码示例与逐行注释

import pandas as pd
import numpy as np

# 创建示例数据
data = {
    '区域': ['北区', '北区', '南区', '南区', '东区', '西区', '西区'],
    '产品类别': ['电子', '服装', '电子', '食品', '服装', '电子', '食品'],
    '销售额': [200, 150, 300, 80, 120, 250, 90],
    '季度': ['Q1', 'Q1', 'Q2', 'Q2', 'Q1', 'Q3', 'Q3']
}
df = pd.DataFrame(data)

# 使用透视表 (pivot_table)
# 目标：按区域和产品类别汇总销售额总和
pivot = pd.pivot_table(
    df,
    values='销售额',     # 要聚合的数值列
    index='区域',        # 行分组键
    columns='产品类别',  # 列分组键
    aggfunc=np.sum,      # 聚合函数（默认是均值）
    fill_value=0         # 缺失值填充为0
)
print("透视表结果:")
print(pivot)

# 使用交叉表 (crosstab)
# 目标：统计区域和产品类别的组合出现次数
crosstab = pd.crosstab(
    index=df['区域'],     # 行分类变量
    columns=df['产品类别'],  # 列分类变量
    margins=True,        # 显示总计
    margins_name='总计'   # 总计列的名称
)
print("\n交叉表结果:")
print(crosstab)

# 交叉表进阶：结合销售额求和（自定义聚合）
crosstab_agg = pd.crosstab(
    index=df['区域'],
    columns=df['产品类别'],
    values=df['销售额'],  # 指定要聚合的值
    aggfunc=np.sum,       # 聚合函数
    dropna=False
)
print("\n交叉表（销售额求和）:")
print(crosstab_agg)

---

输出结果解析

1. 透视表输出
   按区域和产品类别对 销售额 进行求和：

   产品类别  电子  服装   食品
   区域                  
   东区     0  120    0
   北区   200  150    0
   南区   300    0   80
   西区   250    0   90
   

2. 交叉表（默认计数）
   统计区域和产品类别的组合出现次数：

   产品类别  电子  服装  食品  总计
   区域                     
   东区      0    1    0    1
   北区      1    1    0    2
   南区      1    0    1    2
   西区      1    0    1    2
   总计      3    2    2    7
   

3. 交叉表（销售额求和）
   按区域和产品类别对 销售额 求和：

   产品类别    电子    服装     食品
   区域                        
   东区       NaN  120.0    NaN
   北区     200.0  150.0    NaN
   南区     300.0    NaN   80.0
   西区     250.0    NaN   90.0
   

---

关键参数对比

功能	透视表 (pivot_table)	交叉表 (crosstab)
主要用途	多维度聚合计算	频率分布统计（列联表）
默认聚合	均值 (aggfunc='mean')	计数 (aggfunc='count')
多维支持	支持多行、多列、多层索引	通常用于两个变量的交叉
填充缺失值	fill_value 参数	无直接参数，可通过 dropna 控制显示
语法简洁性	较复杂，需明确指定 values 和 aggfunc	更简洁，适合快速生成频率表

通过选择合适的方法，可以高效实现数据汇总或分布统计的需求！