使用pandas交叉表计算类别列的交叉计数

Question

我有一张顾客购买产品类别的表格。我正在尝试建立一个交叉销售矩阵，计算每个产品类别的唯一客户，并且总计也有唯一的数量。

pandas.crosstab是一个很好的开始方式，但在小计上失败（即margins=True）

df = pd.DataFrame({
    'cust':  ['1', '1', '2', '3', '3', '4', '5'], # customer ID
    'categ': ['a', 'b', 'a', 'a', 'b', 'b', 'b']  # category ID
})
# have 2 columns to make the crosstab
dd = pd.merge(df, df, on='cust')

然后pd.crosstab(dd.categ_x, dd.categ_y, margins=True)给出：

| categ_x | a | b | All | 
|---------|---|---|-----| 
| a       | 3 | 2 | 5   | 
| b       | 2 | 4 | 6   | 
| All     | 5 | 6 | 11  | 

pd.merge有助于用交叉稳定的正确数字填充细胞，但导致小计/边缘的计数错误

我期望的是：

| categ_x | a | b | All | 
|---------|---|---|-----| 
| a       | 3 | 2 | 3   | -- I have 3 unique clients with 'a'
| b       | 2 | 4 | 4   | -- I have 4 unique clients with 'b'
| All     | 3 | 4 | 5   | -- I have 5 unique clients in total

到目前为止，我已经尝试了一些计数，独特......没有太大的成功。

编辑

jezrael答案很好，但我想知道他们是否可以直接通过crosstab，使用正确的aggfunc。

Answer 1

您可以通过groupby.nunique计算值并通过join和append手动添加值：

s = df2.groupby(['categ'])['cust'].nunique().rename('All')
s1 = s.append(pd.Series({'All': df2['cust'].nunique()}, name='All'))

df = pd.crosstab(dd.categ_x, dd.categ_y).join(s).append(s1)
print (df)
         a  b  All
categ_x           
a        3  2    3
b        2  4    4
All      3  4    5

另一个类似的解

s = df2.groupby(['categ'])['cust'].nunique().rename('All')
df = pd.crosstab(dd.categ_x, dd.categ_y).join(s).append(s)
df.loc['All','All'] = df2['cust'].nunique()
df = df.astype(int)
print (df)
         a  b  All
categ_x           
a        3  2    3
b        2  4    4
All      3  4    5

Answer 2

我想这就是我需要的：

pd.crosstab(
    dd.categ_x, dd.categ_y, margins=True, 
    values=dd.cust, aggfunc=pd.Series.nunique
)

得到：

| categ_x | a | b | All |
|---------|---|---|-----|
| a       | 3 | 2 | 3   |
| b       | 2 | 4 | 4   |
| All     | 3 | 4 | 5   |

pd.Series.nunique给出了values（这里是dd.cust）的独特值的长度/大小。