遍历行和列，python

Question

能否请您帮我进行计算？

我有下表：

我需要做的是将预期频率计算为（行总数*列总数）/总计

预期结果：

我假设我需要遍历行和列。我尝试用以下方法做到这一点：

for i, row in df_dropped.iterrows():
for j, column in row.iteritems():
    data[row][column] = df_dropped.iloc[i, 3] * df_dropped.iloc[2, j]

出现错误： 基于位置的索引只能具有[整数，整数切片（起始点为INCLUDED，结束点为EXCLUDED），类似整数的列表，布尔数组）类型

我在做什么错了？

Answer 1

将numpy.outer用作最后一列和最后一行的外积并除以
loc选择的标量为numpy数组：

def print_pyramid(_count = 1):
  if _count < 10:
    print((lambda x:x[::-1] if not _count%2 else x)(''.join(map(str, range(1, _count+1)))))
    print_pyramid(_count+1)


print_pyramid()

然后通过构造函数创建带有索引的DataFrame，以删除最后一列和行：

1
21
123
4321
12345
654321
1234567
87654321
123456789

获取新的列名称：

t = df.loc['col_sum', 'row_sum']
arr = np.outer(df['row_sum'], df.loc['col_sum']) / t

通过concat和reindex一起加入以期望对列进行排序：

df1 = pd.DataFrame(arr[:-1, :-1], 
                   columns=df.columns[:-1],
                   index=df.index[:-1]).add_prefix('exp_')
print (df1)
   exp_satisfied  exp_neutral  exp_dissatisfied
0      24.605263    20.842105          9.552632
1     145.394737   123.157895         56.447368

Answer 2

Jezrael提供了一个很好的答案，您可以使用numpy和pandas计算期望的频率。 您还可以使用python统计库statsmodels来计算这些统计信息。

例如，要计算期望频率表，您可以执行以下操作：

import statsmodels.api as sm
expected_values = sm.stats.Table(df).fittedvalues

有关以下信息的更多信息：statsmodels contingency tables