crosstab() trong pandas: bảng tần suất hai chiều
Bài 8/13 · Chương 7
Ghép và đổi hình bảng
- 6 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 10
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:
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 40Website 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:
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 10.1Giờ 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:
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 1526Cột 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
Sau
import pandas as pdvàd = 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]
Cũng bảng
dđó,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]
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
Sau
import pandas as pd,pd.crosstab("kenh", "trang_thai")báo lỗi gì?- Báo lỗi
KeyError - Báo lỗi
ValueError - Báo lỗi
TypeError
- Báo lỗi
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
hanglàm dòng, giá trị của cột têncotlàm 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.
import pandas as pd
def bang_khao_sat(khao_sat, hang, cot):
pass # Viết thân hàm thay cho dòng nàyTóm 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 đểNaNở bảng đếm.normalize="index"chia mỗi ô cho tổng hàng;"columns"chia cho tổng cột;Truechia cho toàn bộ.margins=Truethêm dòng, cột tổng;margins_name="Tổng"đặt tên thay choAll.Cùng bảng đếm bằng
pivot_table()cầnvalues=,aggfunc="count"vàfill_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
Dữ liệu của bài
- Tải xuống
don_hang.csv
CSV · 109.5 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
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.