交叉表与透视变

àì夳堔傛蜴生んèń 2023-06-03 02:49 7阅读 0赞

**交叉表与透视表什么作用**

*  分析两个离散值值间得相关性
 *  探究股票的涨跌与星期几有关？  
    以下图当中表示，week代表星期几，1,0代表这一天股票的涨跌幅是好还是坏，里面的数据代表比例  
    可以理解为所有时间为星期一等等的数据当中涨跌幅好坏的比例

![1552472-20190909203025595-871555090.png][]

![1552472-20190909203031247-872279225.png][]

## 使用crosstab(交叉表)实现上图 ##

*  交叉表：**用于计算一列数据对于另外一列数据的分组个数(寻找两个列之间的关系)**
    
     *  pd.crosstab(value1, value2)
        
         *  value1,value2必须是两个离散变量
     *  DataFrame.pivot\_table(\[\], index=\[\])

--------------------

**案例**

寻找星期几跟股票张得的关系

# 1、先把对应的日期找到星期几 date = pd.to_datetime(data.index).weekday data['week'] = date

![1552472-20190910154715737-1282007606.png][]

# 2、假如把p_change按照大小去分个类0为界限 data['posi_neg'] = np.where(data['p_change'] > 0, 1, 0)

![1552472-20190910155005252-1258592497.png][]

# 通过交叉表找寻两列数据的关系 count = pd.crosstab(data['week'], data['pos_neg'])

![1552472-20190910155529260-747021227.png][]  
但是我们看到count只是每个星期日子的好坏天数，并没有得到比例，该怎么去做？

*  对于每个星期一等的总天数求和，运用除法运算求出比例

# 算数运算，先求和 sum = count.sum(axis=1).astype(np.float32) # 进行相除操作，得出比例 pro = count.div(sum, axis=0)

![1552472-20190910160305630-1386392319.png][]

*  使用plot画出这个比例，使用stacked的柱状图

pro.plot(kind='bar', stacked=True) plt.show()

![1552472-20190910161255423-626331491.png][]

*  结论：跟星期几没有关系

--------------------

**pivot\_table(透视表)**

# 通过透视表，将整个过程变成更简单一些 data.pivot_table(['posi_neg'], index='week')

一步到位计算出比例  
![1552472-20190910160826731-1067570392.png][]

转载于:https://www.cnblogs.com/oklizz/p/11494175.html

[1552472-20190909203025595-871555090.png]: /images/20230601/8ccb35befb874415a27571167be55167.png
[1552472-20190909203031247-872279225.png]: /images/20230601/2d68f099dfbe47b4b80a811d9902703d.png
[1552472-20190910154715737-1282007606.png]: /images/20230601/38ed73b8b0a54746bb70c8ad59716ac3.png
[1552472-20190910155005252-1258592497.png]: /images/20230601/50364bd3b8c343b6a2c00df8ce4e4174.png
[1552472-20190910155529260-747021227.png]: /images/20230601/c26806dc30ec44279a501d522720d8bc.png
[1552472-20190910160305630-1386392319.png]: /images/20230601/d73081a4299d4ab2affaf80d8b1e9bd7.png
[1552472-20190910161255423-626331491.png]: /images/20230601/502264783bff4a92bab61726e47087a4.png
[1552472-20190910160826731-1067570392.png]: /images/20230601/cf67b9c74d64414795cca7e1b93ce772.png