基础交叉表#

1
table = pd.crosstab(df["city"], df["level"])
2
print(table)

行是城市，列是等级，单元格是数量。这个结果很适合快速看分布是否偏斜。

加比例#

1
row_ratio = pd.crosstab(df["city"], df["level"], normalize="index")
2
print((row_ratio * 100).round(2))

normalize="index" 表示每一行内部算比例，适合比较不同城市内的等级结构。

加合计#

1
table = pd.crosstab(
2
    df["city"],
3
    df["level"],
4
    margins=True,
5
    margins_name="total",
6
)

使用前清洗类别#

交叉表对类别值非常敏感。空格、大小写、缺失值都会让结果多出奇怪的行列。统计前最好先做字符串清洗，并决定缺失值是否单独作为一类。

实战复盘#

写《pandas 交叉表统计》这类数据分析文章时，我会强制保留“检查点”。因为数据分析里最危险的不是报错，而是代码顺利跑完却得到错误结论。

一个合格的 pandas 步骤，至少要能回答：输入多少行、输出多少行、哪些字段被修改、失败值有多少、是否有样本可以人工复核。缺少这些信息，代码就很难进入正式流程。

如果以后把这些文章串成系列，可以按读取、检查、清洗、变换、统计、导出排列。这样读者能从原始数据一路走到可交付结果。

最小验收样例#

验收《pandas 交叉表统计》时，我会手写一个三到五行的小 DataFrame：一行正常数据，一行缺失或异常数据，一行边界数据。先让示例在小表上跑通，再换成完整数据集。

小表的好处是结果可以人工计算。只要人工结果和 pandas 输出对不上，就说明代码逻辑或字段口径还没想清楚。这个过程比直接在大表上调试更可靠。

小结#

crosstab 是观察分类变量关系的快速工具。数量和比例一起看，才能避免被样本规模误导。