pandas.crosstab和Pandas pivot表似乎都提供了完全相同的功能。有什么不同吗？
答案 0 :(得分：19)
两者之间的主要区别是pivot_table期望您的输入数据已经是DataFrame;您将DataFrame传递给pivot_table并通过将列名称作为字符串传递来指定index / columns / values。使用cross_tab时，您不一定需要输入DataFrame，因为您只需为index / columns / values传递类似数组的对象。
查看crosstab的{{3}}，它主要采用您传递的类似数组的对象，创建一个DataFrame，然后根据需要调用pivot_table。
通常，如果您已经拥有DataFrame，请使用pivot_table，这样您就不会再次创建相同的DataFrame。如果您从类似数组的对象开始并且只关注透视数据，请使用crosstab。在大多数情况下，我认为你决定使用哪种功能并不会产生任何影响。
答案 1 :(得分：10)
是否相同，如果在pivot_table中使用aggfunc=len和fill_value=0：
pd.crosstab(df['Col X'], df['Col Y'])
pd.pivot_table(df, index=['Col X'], columns=['Col Y'], aggfunc=len, fill_value=0)
编辑：还有更多不同之处：
默认aggfunc不同：pivot_table - np.mean，crosstab - len。
参数margins_name仅在pivot_table。
在pivot_table中，您可以Grouper使用index和columns个关键字。
我认为如果你只需要频率表，crosstab函数会更好。
答案 2 :(得分：1)
不幸的是，pivot_table没有normalize参数。
在crosstab中，normalize参数通过将每个单元格除以单元格总和来计算百分比，如下所述：
normalize = 'index'将每个单元格除以其行之和normalize = 'columns'将每个单元格除以其列的总和normalize = True将每个单元格除以表格中所有单元格的总数