对于我在Python中的面板数据分析,我想检查转换概率。我有人年组合和一些分类变量,例如健康状况(1=excellent
,2=good
等)。
我需要一个绝对和/或相对频率的摘要表,以了解从一种状态/类别到另一种状态/类别的更改发生的频率-每人,而不是每列。尤其不应包括索引6
和7
之间的健康状态差异,因为它不是一个人内部的过渡。
以下是一些示例数据:
import pandas as pd
df = pd.DataFrame({'year': ['2003', '2004', '2005', '2006', '2007', '2008', '2009',
'2003', '2004', '2005', '2006', '2007', '2008', '2009'],
'id': ['1', '1', '1', '1', '1', '1', '1',
'2', '2', '2', '2', '2', '2', '2',],
'health': ['3', '1', '2', '2', '5', '1', '1',
'1', '2', '3', '2', '1', '1', '2']}).astype(int)
输出应如下所示(计算状态转换的发生次数):
(也许Python中有些东西与Stata的xttrans
命令类似?)
答案 0 :(得分:4)
使用shift
创建新列。 where
确保在id
更改时排除它。然后,这是crosstab
(或groupby大小,或ivot_table)以获取计数。
import pandas as pd
#df = df.sort_values(['id', 'year'])
df['health_trans'] = df.health.shift(-1).where(df.id.eq(df.id.shift(-1)))
pd.crosstab(df.health, df.health_trans)
#health_trans 1.0 2.0 3.0 5.0
#health
#1 2 3 0 0
#2 1 1 1 1
#3 1 1 0 0
#5 1 0 0 0
要确保始终列出所有转换,请使用reindex
。
health = range(1,6)
(pd.crosstab(df.health, df.health_trans)
.reindex(health).reindex(health, axis=1)
.fillna(0).astype(int))
#health_trans 1 2 3 4 5
#health
#1 2 3 0 0 0
#2 1 1 1 0 1
#3 1 1 0 0 0
#4 0 0 0 0 0
#5 1 0 0 0 0
这可能无法处理id
丢失了几年的情况。似乎您开始时需要一个平衡的面板,在这种情况下没有问题。