用熊猫进行数据分析

Question

以下df是我的洞数据集的摘要，仅用于说明我的问题。 df显示了每个id的工作申请，我想知道哪个部门组合更适合个人申请？

df
id    education   area_job_application
 1      Collage           Construction 
 1      Collage                  Sales
 1      Collage         Administration
 2   University                Finance
 2   University                  Sales
 3      Collage                Finance
 3      Collage                  Sales
 4   University         Administration   
 4   University                  Sales
 4   University           Data analyst
 5   University         Administration
 5   University                  Sales

答案

              Construction    Sales    Administration   Finance   Data analyst
Contruction              1        1                 1         0             0
Sales                    1        5                 3         1             1           
Administration           1        3                 3         0             1
Finance                  0        2                 0         2             0
Data analyst             0        1                 1         0             1

这个答案表明，管理和销售是一个部门，更多的机会必须通过相同的身份获得假设（这是我正在寻找的答案）。但我也对其他组合感兴趣，我认为mapheat将非常有用，可以说明这些数据。

来自同一扇区的扇区组合是无关紧要的（可能在答案矩阵的对角线上应为0，无关紧要，我不会分析）。

Answer 1

首先使用crosstab或groupby与size和unstack，然后DataFrame.dot，转置DataFrame，最后添加reindex对于索引和列的自定义顺序：

#dynamic create order by unique values of column
L = df['area_job_application'].unique()

#df = pd.crosstab(df.id, df.area_job_application)
df = df.groupby(['id', 'area_job_application']).size().unstack(fill_value=0)
df = df.T.dot(df).rename_axis(None).rename_axis(None, axis=1).reindex(columns=L, index=L)
print (df)
                Construction  Sales  Administration  Finance  Data analyst
Construction               1      1               1        0             0
Sales                      1      5               3        2             1
Administration             1      3               3        0             1
Finance                    0      2               0        2             0
Data analyst               0      1               1        0             1