Skip to main content
 首页 » 编程设计

python之pandas 数据透视表之导致意外边距的有序类别

2024年11月24日22Terrylee

使用 python 3.7 和 pandas 0.23.4。我正在尝试使用有序的分类数据制作数据透视表。如果我包括边距,小计的顺序似乎不正确。

import pandas as pd 
m='male' 
f='female' 
 
data = {'num': [0,1,2,3,4,5,6,7,8,9], 
        'age': [1,2,2,3,3,3,3,1,2,3], 
        'sex': [f,f,f,f,f,f,f,m,m,m]} 
df = pd.DataFrame(data=data) 
 
df['age1'] = pd.Categorical(df['age'],categories=[3,2,1],ordered=True) 
df['sex1'] = pd.Categorical(df['sex'],categories=[m,f],ordered=True) 
pd.pivot_table(df,values='num',index='age1',columns='sex1',aggfunc='count',margins=True) 

输出(边距顺序不正确,“所有”总和不在正确的行或列中):

sex1  male  female  All 
age1                    
3        1       4    2 
2        1       2    3 
1        1       1    5 
All      7       3   10 

预期输出(正确的边距顺序):

sex1  male  female  All 
age1                    
3        1       4    5 
2        1       2    3 
1        1       1    2 
All      3       7   10 

在本例中,最好使用 ordered=False 创建类别。然而,我的大部分数据都是自动排序的(使用 pd.cut),所以我想知道这是否是预期行为,如果是,是否有办法删除使用订单创建的类别的排序?

编辑- 这是一个使用 pd.cut 的示例。我更改了“年龄”列的值,使其与剪辑顺序相反。

import pandas as pd 
m='male' 
f='female' 
data = {'num': [0,1,2,3,4,5,6,7,8,9], 
        'age': [3,3,3,3,2,2,1,1,2,3], 
        'sex': [f,f,f,f,f,f,f,m,m,m]} 
df = pd.DataFrame(data=data) 
df['cut'] = pd.cut(df['age'],[1,2,3,4],labels=['<2','2','>2'],right=False) 
pd.pivot_table(df,values='num',index='cut',columns='sex',aggfunc='count',margins=True) 

输出,行边距也不正确(对应于 pd.cut 中的有序类别)。

sex  female  male  All 
cut                    
<2        1     1    5 
2         2     1    3 
>2        4     1    2 
All       7     3   10 

预期输出将是正确的行边距顺序。

sex  female  male  All 
cut                    
<2        1     1    2 
2         2     1    3 
>2        4     1    5 
All       7     3   10 

请您参考如下方法:

这是针对您的原始问题的修复。从 df['age1'] 和 df['sex1']

中移除有序参数

我的改变:

import pandas as pd 
m = 'male' 
f = 'female' 
 
data = {'num': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9], 
        'age': [1, 2, 2, 3, 3, 3, 3, 1, 2, 3], 
        'sex': [f, f, f, f, f, f, f, m, m, m]} 
df = pd.DataFrame(data=data) 
 
df['age1'] = pd.Categorical(df['age'], categories=[3, 2, 1]) 
df['sex1'] = pd.Categorical(df['sex'], categories=[m, f]) 
pd.pivot_table(df, values='num', index='age1', 
               columns='sex1', aggfunc='count', margins=True) 

输出:

sex  male   female  All 
age1             
3     1     4        5 
2     1     2        3 
1     1     1        2 
All   3     7       10 

来自docs : 此分类是否被视为有序分类。如果为 True,将对生成的分类进行排序。 一个有序的分类方面,排序时,其类别属性的顺序

所以看起来当您将 ordered=True 传递给 pd.Categorical 时,数据透视表不会根据类别对聚合进行排序,但变量会出现在您的数据框中。如果您查看您的数据框,女性先于男性出现,因此下令将保留该类型以供汇总。

因此,为了回答您的问题,这是 ordered 的预期行为,如果您要在脚本中的其他位置对数据框进行排序,则应小心执行此操作。