آخرین مطالب
امکانات وب
یک جدول بندی متقاطع ساده از دو عامل (یا بیشتر) را محاسبه کنید.
به طور پیش فرض ، جدول فرکانس عوامل را محاسبه می کند ، مگر اینکه مجموعه ای از مقادیر و یک عملکرد تجمع تصویب شود.
پارامترهای شاخص مانند آرایه ، سری ، یا لیست آرایه ها/سری
مقادیر گروهی در ردیف ها.
ستون ها مانند آرایه ، سری یا لیست آرایه ها/سری
مقادیر گروهی توسط ستون ها.
مقادیر مانند آرایه ، اختیاری
آرایه ای از مقادیر برای جمع آوری با توجه به عوامل. نیاز به Aggfunc دارد.
دنباله Rownames ، پیش فرض هیچ
در صورت گذراندن ، باید با تعداد آرایه های ردیف منتقل شود.
دنباله colnames ، پیش فرض هیچ
در صورت تصویب ، باید با تعداد آرایه های ستون گذشت مطابقت داشته باشد.
عملکرد Aggfunc ، اختیاری
در صورت مشخص شدن ، مقادیر نیز مشخص می شوند.
حاشیه های BOOL ، پیش فرض نادرست
حاشیه ردیف/ستون (زیرنویس) را اضافه کنید.
margins_name str ، پیش فرض "همه"
نام ردیف/ستون که در صورت صحت حاشیه ها حاوی کل است.
dropna bool ، پیش فرض درست است
ستون هایی را که ورودی آنها همه نان است ، درج نکنید.
بول ، یا پیش فرض کاذب را عادی کنید
با تقسیم تمام مقادیر بر کل مقادیر ، عادی سازی کنید.
- در صورت تصویب "همه" یا درست ، بیش از همه مقادیر عادی می شود.
- در صورت تصویب "فهرست" در هر سطر عادی می شود.
- در صورت عبور "ستون ها" بیش از هر ستون عادی می شوند.
- اگر حاشیه صحیح باشد ، مقادیر حاشیه را نیز عادی می کند.
جدول بندی متقاطع داده ها.
داده های تغییر شکل مبتنی بر مقادیر ستون.
یک جدول محوری را به عنوان یک DataFrame ایجاد کنید.
هر سری منتقل شده از ویژگی های نام خود استفاده می کند مگر اینکه نام ردیف یا ستون برای جدول بندی متقاطع مشخص شود.
هر ورودی منتقل شده حاوی داده های طبقه بندی شده ، تمام دسته های خود را در جدول بندی متقابل قرار می دهد ، حتی اگر داده های واقعی حاوی هیچ نمونه از یک دسته خاص نباشد.
در صورت عدم وجود همپوشانی شاخص ها ، یک DataFrame خالی بازگردانده می شود.
برای مثال های بیشتر به راهنمای کاربر مراجعه کنید.
>>> a = np.آرایه(["فو", "فو", "فو", "فو", "بار", "بار", . "بار", "بار", "فو", "فو", "فو"], نوع=هدف - شی) >>> b = np.آرایه(["یکی", "یکی", "یکی", "دو", "یکی", "یکی", . "یکی", "دو", "دو", "دو", "یکی"], نوع=هدف - شی) >>> c = np.آرایه(["کدر", "کدر", "براق", "کدر", "کدر", "براق", . "براق", "کدر", "براق", "براق", "براق"], . نوع=هدف - شی) >>> pd.متقاطع(a, [b, c], نام خانوادگی=['آ'], نام های=["ب", 'ج']) ب یکی دو C براق براق و براق a نوار 1 2 1 0 foo 2 2 1 2
در اینجا "C" و "F" در داده ها نشان داده نشده و در خروجی نشان داده نمی شوند زیرا Dropna به طور پیش فرض صادق است. dropna = false را برای حفظ دسته بندی ها بدون داده تنظیم کنید.
>>> فحش = pd.مقفد(['آ', "ب"], دسته بندی ها=['آ', "ب", 'ج']) >>> بار = pd.مقفد(['D', 'e'], دسته بندی ها=['D', 'e', 'f']) >>> pd.متقاطع(فحش, بار) col_0 d e row_0 A 1 0 ب 0 1 >>> pd.متقاطع(فحش, بار, قطره=دروغ) col_0 d e f row_0 A 1 0 0 B 0 1 0 ج 0 0 0منصة التداول الأكثر ثقة...
برچسب :
نویسنده : احمد نجفی
بازدید : <-PostHit->
آرشیو مطالب
خبرنامه
