Question

我想使用第三列来对熊猫交叉表中的结果进行加权。

例如，以下内容：

import pandas as pd
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'bar'],
                   'B': [1, 1, 0, 0, 0],
                   'weight': [2, 3, 4, 5, 6]})
print(pd.crosstab(df.A, df.B))

结果：

B    0  1
A        
bar  2  1
foo  1  1

我想要的结果是：

Answer 1

您可以使用aggfunc参数向交叉表提供自定义聚合函数：

pd.crosstab(df.A, df.B, df.weight, aggfunc = sum)
B     0  1
A         
bar  11  3
foo   4  2

Answer 2

这真的是浪费内存，只有在权重可以被解释为频率（即权重是整数）时才有效，但这样做很简单：

df2 = df.iloc[ np.repeat( df.index.values, df.weight ) ]

这只是使用高级/花式索引来按比例扩展行：

     A  B  weight
0  foo  1       2
0  foo  1       2
1  bar  1       3
1  bar  1       3
1  bar  1       3

然后你可以正常运行交叉表：

pd.crosstab(df2.A, df2.B)

B     0  1
A         
bar  11  3
foo   4  2

我怀疑有必要编写一个自定义版本的交叉表，以便正确有效地处理权重，因为pandas中很少（如果有的话）函数会自动为你量身定制。虽然并不是那么难，也许其他人会这样做作为答案。

可能scipy或statsmodels有自动方法吗？

加权导致大熊猫交叉表

2 个答案: