我有类似这样的数据
import random
import pandas as pd
jobs = ['Agriculture', 'Crafts', 'Labor', 'Professional']
df = pd.DataFrame({
'JobCategory':[random.choice(jobs) for i in range(300)],
'Region':[random.randint(1,5) for i in range(300)],
'MaritalStatus':[random.choice(['Not Married', 'Married']) for i in range(300)]
})
我想要一个简单的表格，显示每个地区的工作数量。
print(pd.pivot_table(df,
index='JobCategory',
columns='Region',
margins=True,
aggfunc=len))
输出
MaritalStatus
Region 1 2 3 4 5 All
JobCategory
Agriculture 13.0 23.0 17.0 18.0 8.0 79.0
Crafts 16.0 13.0 18.0 19.0 14.0 80.0
Labor 15.0 11.0 19.0 11.0 14.0 70.0
Professional 22.0 17.0 16.0 7.0 9.0 71.0
All 66.0 64.0 70.0 55.0 45.0 300.0
我假设＆＃34; MaritalStatus＆＃34;正在输出中显示，因为这是计算计数的列。如何根据Region-JobCategory计数让Pandas计算并忽略数据框中的无关列？
在编辑中添加---
我正在寻找一个可以输出保证金值的表格。表I中显示的值是我想要的，但我不希望MaritalStatus成为计算值。如果该列中有Nan，例如将列定义更改为
'MaritalStatus':[random.choice(['Not Married', 'Married'])
for i in range(299)].append(np.NaN)
这是输出（有和没有values = 'MaritalStatus',）
MaritalStatus
Region 1 2 3 4 5 All
JobCategory
Agriculture 16.0 14.0 16.0 14.0 16.0 NaN
Crafts 25.0 17.0 15.0 14.0 16.0 NaN
Labor 14.0 16.0 8.0 17.0 15.0 NaN
Professional 13.0 14.0 14.0 13.0 13.0 NaN
All NaN NaN NaN NaN NaN 0.0
答案 0 :(得分：2)
你可以用0填充nan值，然后找到len，即
df = pd.DataFrame({
'JobCategory':[random.choice(jobs) for i in range(300)],
'Region':[random.randint(1,5) for i in range(300)],
'MaritalStatus':[random.choice(['Not Married', 'Married']) for i in range(299)].append(np.NaN)})
df = df.fillna(0)
print(pd.pivot_table(df,
index='JobCategory',
columns='Region',
margins=True,
values='MaritalStatus',
aggfunc=len))
输出：
Region 1 2 3 4 5 All JobCategory Agriculture 19.0 17.0 13.0 20.0 9.0 78.0 Crafts 17.0 14.0 9.0 11.0 16.0 67.0 Labor 10.0 17.0 15.0 19.0 11.0 72.0 Professional 11.0 14.0 19.0 19.0 20.0 83.0 All 57.0 62.0 56.0 69.0 56.0 300.0
答案 1 :(得分：0)
len聚合函数计算值MaritalStatus沿JobCategory - Region的特定组合出现的次数。因此，您正在计算JobCategory - Region个实例的数量，这正是您所期望的。
答案 2 :(得分：0)
我们可以为每个记录分配键值，并计算或调整该值。
df = pd.DataFrame({
'JobCategory':[random.choice(jobs) for i in range(300)],
'Region':[random.randint(1,5) for i in range(300)],
'MaritalStatus':[random.choice(['Not Married', 'Married']) for i in range(299)].append(np.NaN)})
print(pd.pivot_table(df.assign(key=1),
index='JobCategory',
columns='Region',
margins=True,
aggfunc=len,
values='key'))
输出：
Region 1 2 3 4 5 All
JobCategory
Agriculture 16.0 14.0 13.0 16.0 16.0 75.0
Crafts 14.0 9.0 17.0 22.0 13.0 75.0
Labor 11.0 18.0 20.0 10.0 16.0 75.0
Professional 16.0 14.0 15.0 14.0 16.0 75.0
All 57.0 55.0 65.0 62.0 61.0 300.0
您可以将MaritalStatus添加为values参数，这将消除列索引中的额外级别。使用aggfunc = len，你选择什么作为值参数并不重要，它将为该聚合中的每一行返回1的计数。
所以，试试：
print(pd.pivot_table(df,
index='JobCategory',
columns='Region',
margins=True,
aggfunc=len,
values='MaritalStatus'))
输出：
Region 1 2 3 4 5 All
JobCategory
Agriculture 10.0 18.0 10.0 15.0 19.0 72.0
Crafts 11.0 13.0 17.0 11.0 22.0 74.0
Labor 12.0 10.0 18.0 16.0 12.0 68.0
Professional 21.0 16.0 20.0 13.0 16.0 86.0
All 54.0 57.0 65.0 55.0 69.0 300.0
使用groupby和size：
df.groupby(['JobCategory','Region']).size()
输出：
JobCategory Region
Agriculture 1 10
2 18
3 10
4 15
5 19
Crafts 1 11
2 13
3 17
4 11
5 22
Labor 1 12
2 10
3 18
4 16
5 12
Professional 1 21
2 16
3 20
4 13
5 16
dtype: int64
答案 3 :(得分：0)
如果将数据帧缩减为最终索引计数行的一部分，则无需引用另一列即可。
pd.pivot_table(testdata[['JobCategory', 'Region']],
index='JobCategory',
columns='Region',
margins=True,
aggfunc=len)
除了“MaritialStatus”的行不存在外，输出与问题相同。