透视表和交叉表的重要性

以下数据集均以kaggle的tatinic数据集为例。

1. 透视表(Pivot table)

数据透视表简单来说就是把明细表进行分类汇总的过程，你可以按照不同的组合方式进行数据计算。

# 方法一：使用groupby
train_df.groupby(['Sex', 'Pclass']).mean()
# 方法二：使用pivot_table
pd.pivot_table(train_df, index=['Sex', 'Pclass'], margins=True)

2. 交叉表(cross table)

交叉表是一种用于计算分组频率的特殊透视表。

# 方法一：用pivot_table
pd.pivot_table(train_df[['Sex', 'Pclass', 'Survived']], index=['Sex', 'Pclass'], columns=['Survived'], aggfunc=len, margins=True)
# 方法二：用crosstab
pd.crosstab([train_df.Sex, train_df.Pclass], train_df.Survived)
#这里需要注意pandas中交叉表的前两个参数为array或series类型，与透视表的有所不同。

透视表pivot_table()是一种进行分组统计的函数，参数aggfunc决定统计类型；
交叉表crosstab()是一种特殊的pivot_table()，专用于计算分组频率。