Bỏ qua đến nội dung chính
Mục lục

crosstab() trong pandas: bảng tần suất hai chiều

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 8/13 · Chương 7

Ghép và đổi hình bảng

  • 6 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Hàm pd.crosstab() lập bảng tần suất hai chiều (pandas crosstab): mỗi dòng là một giá trị của cột thứ nhất, mỗi cột là một giá trị của cột thứ hai, và mỗi ô đếm số dòng mang đúng cặp giá trị đó. Bạn dùng nó để trả lời câu hỏi như kênh nào có nhiều đơn bị hủy, hay tỉ lệ hoàn trả của từng kênh là bao nhiêu.

Cần biết trước: pivot_table() và value_counts().

Đếm theo hai cột

value_counts() đếm theo một cột. pd.crosstab() nhận hai cột, một cho dòng và một cho cột của bảng, rồi đếm từng cặp. Với don_hang.csv của bộ dữ liệu thực hành, cặp kênh và trạng thái cho thấy đơn của mỗi kênh kết thúc thế nào:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
bang = pd.crosstab(don["kenh"], don["trang_thai"])
print(bang)

KẾT QUẢ

trang_thai   Hoàn thành  Hoàn trả  Đang giao  Đã hủy
kenh
Cửa hàng            144        15          2      12
Mạng xã hội         101         6          0       8
Sàn TMĐT            331        21          1      23
Website             402        23          1      38
Ứng dụng            335        22          1      40

Website có 38 đơn bị hủy, Ứng dụng có 40; Mạng xã hội không có đơn nào đang giao, nên ô đó là 0. Khác với pivot_table(), crosstab() tự điền 0 cho cặp không xuất hiện, vì "không lần nào" là một số đếm đúng. Bảng này chính là tờ phiếu kiểm đếm ở quầy: mỗi đơn đi qua, bạn gạch một vạch vào ô đúng hàng kênh và đúng cột trạng thái; cuối ngày, số vạch trong mỗi ô là bảng này.

Cùng bảng viết bằng pivot_table() cần bốn tham số: don.pivot_table(index="kenh", columns="trang_thai", values="ma_don", aggfunc="count", fill_value=0). crosstab() sinh ra cho đúng việc đếm, nên ngắn hơn.

Tỉ lệ theo hàng: normalize="index"

Số đếm khó so giữa các kênh có quy mô khác nhau: Website 464 đơn, Mạng xã hội chỉ 115. normalize="index" chia mỗi ô cho tổng của hàng chứa nó, nên mỗi hàng cộng lại bằng 1. Nhân 100 và làm tròn cho dễ đọc:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
ti_le = pd.crosstab(don["kenh"], don["trang_thai"],
                    normalize="index")
print((ti_le * 100).round(1))

KẾT QUẢ

trang_thai   Hoàn thành  Hoàn trả  Đang giao  Đã hủy
kenh
Cửa hàng           83.2       8.7        1.2     6.9
Mạng xã hội        87.8       5.2        0.0     7.0
Sàn TMĐT           88.0       5.6        0.3     6.1
Website            86.6       5.0        0.2     8.2
Ứng dụng           84.2       5.5        0.3    10.1

Giờ mới thấy Ứng dụng có tỉ lệ hủy cao nhất, 10,1%, dù Website có số đơn hủy gần bằng. Cửa hàng có tỉ lệ hoàn trả cao nhất, 8,7%. Đổi normalize="index" thành normalize="columns" rồi chạy lại: mỗi cột cộng lại bằng 100, và ô Website của cột Hoàn thành in 30.6.

Ba giá trị của normalize= trả lời ba câu hỏi khác nhau, nên chọn theo mẫu số bạn cần:

  • "index": trong các đơn của một kênh, bao nhiêu phần trăm ở mỗi trạng thái.

  • "columns": trong các đơn ở một trạng thái, bao nhiêu phần trăm đến từ mỗi kênh.

  • True (hay "all"): mỗi ô chiếm bao nhiêu phần trăm toàn bộ đơn.

Dòng và cột tổng: margins

margins=True thêm dòng và cột tổng, margins_name= đặt tên cho chúng thay cho "All" mặc định:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
print(pd.crosstab(don["kenh"], don["trang_thai"], margins=True,
                  margins_name="Tổng"))

KẾT QUẢ

trang_thai   Hoàn thành  Hoàn trả  Đang giao  Đã hủy  Tổng
kenh
Cửa hàng            144        15          2      12   173
Mạng xã hội         101         6          0       8   115
Sàn TMĐT            331        21          1      23   376
Website             402        23          1      38   464
Ứng dụng            335        22          1      40   398
Tổng               1313        87          5     121  1526

Cột Tổng khớp với value_counts() của cột kenh, dòng Tổng khớp với value_counts() của cột trang_thai, ô góc là 1.526 đơn. So các tổng này với số bạn đã biết là cách kiểm nhanh rằng không đơn nào bị rơi khỏi bảng.

Dùng chung margins=True với normalize="index", dòng Tổng cho tỉ lệ trạng thái trên toàn bộ đơn, một mốc để so từng kênh với mức chung.

Kiểm tra nhanh

  1. Sau import pandas as pd và d = pd.DataFrame({"a": ["X", "X", "Y"], "b": ["m", "n", "m"]}), pd.crosstab(d["a"], d["b"]).loc["Y"].tolist() là gì?

    • [1, 0]
    • [1]
    • [1.0, nan]
  2. Cũng bảng d đó, pd.crosstab(d["a"], d["b"], normalize="index").loc["X"].tolist() là gì?

    • [0.5, 0.5]
    • [0.5, 1.0]
    • [0.33, 0.33]
  3. Ở ví dụ tỉ lệ, bạn muốn biết trong các đơn bị hủy, mỗi kênh chiếm bao nhiêu phần trăm. Tham số nào cho đúng mẫu số?

    • normalize="index"
    • normalize="columns"
    • normalize=True
  4. Sau import pandas as pd, pd.crosstab("kenh", "trang_thai") báo lỗi gì?

    • Báo lỗi KeyError
    • Báo lỗi ValueError
    • Báo lỗi TypeError
Đúng hết lần đầu +15 XP

Bài tập

Bảng tần suất của phiếu khảo sát

Quán đọc phiếu khảo sát khách vào bảng khao_sat, mỗi phiếu một dòng, với các cột như do_tuoi, do_uong, gio. Viết thân hàm bang_khao_sat(khao_sat, hang, cot):

  • đếm số phiếu theo từng cặp giá trị: giá trị của cột tên hang làm dòng, giá trị của cột tên cot làm cột;

  • thêm dòng và cột tổng mang tên "Tổng".

Dòng và cột theo thứ tự mà crosstab() tự sắp, rồi đến "Tổng". Hàm không sửa bảng của nơi gọi.

Trả về: bảng tần suất có tổng, một DataFrame.

python
import pandas as pd

def bang_khao_sat(khao_sat, hang, cot):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • pd.crosstab(cot_dong, cot_cot) đếm số dòng theo từng cặp giá trị của hai cột; nó nhận chính các cột, không nhận tên cột.

  • Cặp không xuất hiện có ô bằng 0; crosstab() không để NaN ở bảng đếm.

  • normalize="index" chia mỗi ô cho tổng hàng; "columns" chia cho tổng cột; True chia cho toàn bộ.

  • margins=True thêm dòng, cột tổng; margins_name="Tổng" đặt tên thay cho All.

  • Cùng bảng đếm bằng pivot_table() cần values=, aggfunc="count" và fill_value=0.

Câu hỏi thường gặp

crosstab() khác pivot_table() ở đâu?

crosstab() là hàm của pd, nhận các cột (hay list, array) và mặc định đếm. pivot_table() là phương thức của DataFrame, nhận tên cột và tính được mọi phép gom nhóm. Muốn tổng tiền thay cho số đếm, crosstab() cần thêm values= và aggfunc=, nên lúc đó pivot_table() dễ đọc hơn.

Làm sao tính tỉ lệ phần trăm có dấu %?

Nhân bảng tỉ lệ với 100 và làm tròn như ví dụ trên. Khi cần chuỗi để in báo cáo, định dạng từng ô bằng (ti_le * 100).round(1).astype(str) + "%", nhưng chỉ làm ở bước cuối, vì chuỗi không còn tính toán tiếp được. Cách đổi kiểu có ở bài dtype và astype().

Đếm theo ba cột thì sao?

Truyền một list cột cho tham số dòng hay cột, ví dụ pd.crosstab([don["kenh"], don["nam"]], don["trang_thai"]): các dòng thành hai tầng, mỗi cặp kênh và năm một dòng. Khi chỉ cần đếm từng tổ hợp mà không cần bảng chéo, value_counts() trên nhiều cột cho một Series gọn hơn.

Chủ đề

pandas crosstab

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập