使用条件子群体交叉制表符

Question

我正在学习如何使用pandas python库。我尝试的问题可能不是最简单的问题，因为没有pandas之前的经验，也没有任何统计语言，例如Stata。

假设我有一个关于人们对馅饼和蛋糕的感受的查询数据集。我提出的大部分问题都是以下形式：

  

＆＃34;你喜欢馅饼而非蛋糕吗？＆＃34;或者＆＃34;你会投票给2020年美国总统的樱桃派吗？＆＃34;

这些导致＆＃34;是＆＃34;或＆＃34;否＆＃34;答案。

假设我有1000个人已回复，但他们对我即将进行的分析有一些区别，例如Gender，Eye-Color和primary-hand-use（左/右） /灵巧）。还假设我有数百个这样的区别，最终我想将它们全部与同一个问题进行比较。

现在，从我的cake-pie.DTA文件中我可以运行：

frame = pandas.read_stata("cake-pie.DTA")
answers = ["Yes", "No"]
pandas.crosstab(frame["Question_1", frame["Eye_Color"]], answers, normalize="columns")

这将给我以下内容：

col_0          yes
col_1           no
Question_1 eye_color
Yes  Blue  0.1500
     Hazel 0.050
     Brown 0.2100
     Green 0.050
No   Blue  0.2850
     Hazel 0.0000
     Brown 0.2450
     Green 0.010

然而，我回应的1000个人并不是每种眼睛颜色的比例相等。也许我的人口看起来像：

Blue  435 (43.5%)
Hazel  50 (5.0%)
Brown 455 (45.5%)
Green  60 (6.0%)

我想要输出的信息不是对GREEN＆amp;概率的估计。是，但更确切地说，是|的概率绿色（给予绿眼睛的概率为。）

我意识到我可以手动除以子群总数来得到答案，但我不确定如何除以上面我的眼睛颜色表中的pandas Series数据来做到这一点单个交叉表。

Answer 1

假设您的DataFrame看起来像下面的图像，您可以通过取消堆叠然后将每行除以行总数来旋转它。

df1 = df.unstack(0)
df1.div(df1.sum(1), axis=0)

      eye_color          
             No       Yes
Blue   0.655172  0.344828
Brown  0.538462  0.461538
Green  0.166667  0.833333
Hazel  0.000000  1.000000

更多解释。 unstack(0)将索引的最外层（从左侧开始将索引为零）转到列，以便获得以下帧。

.sum(1)对每行求和。默认值是对列的总和（轴= 0）。然后我们必须变得棘手，并使用{= 1}}与轴= 0来除以仅对齐索引值。