當使用兩個聚合函數時，熊貓交叉表的雙重計數？

Question

我不知道這是我做錯了還是不明白，或者它可能是熊貓交叉表或numpy大小函數中的錯誤。

我用一個簡單的數據幀從大熊貓的例子here

>>> df = DataFrame({'A': ['one', 'one', 'two', 'three'] * 6, 'B': ['A', 'B', 'C'] * 8, 'C' : ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 4, 'D': np.random.randn(24), 'E': np.random.randn(24)}) 

做與利潤率的簡單交叉表= True，以得到總額按預期工作：

>>> crosstab(rows=[df['A'],df['B']], cols=[df['C']], margins=True) 
C  bar foo All 
A  B    
one A 2 2 4 
     B 2 2 4 
     C 2 2 4 
three A 2 0 2 
     B 0 2 2 
     C 2 0 2 
two A 0 2 2 
     B 2 0 2 
     C 0 2 2 
All  12 12 24 

使用NP。大小功能直接給出了相同的結果：

>>> crosstab(rows=[df['A'],df['B']], cols=[df['C']], margins=True, aggfunc=[np.size]) 
C  bar foo All 
A  B    
one A 2 2 4 
     B 2 2 4 
     C 2 2 4 
three A 2 0 2 
     B 0 2 2 
     C 2 0 2 
two A 0 2 2 
     B 2 0 2 
     C 0 2 2 
All  12 12 24 

Pandas允許你pa ss在多個聚合函數中獲得計數和平均值在一個交叉表中。然而，當我這樣做時，foo和bar的尺寸都是前一次調用的兩倍，但整體總數保持正確。

>>> crosstab(rows=[df['A'],df['B']], cols=[df['C']], margins=True, aggfunc=[np.size, np.mean], values=df['D']) 
     size    mean      
C   bar foo All  bar  foo  All 
A  B            
one A  2 2 4 0.245998 0.076366 0.161182 
     B  2 2 4 -0.739757 0.137780 -0.300988 
     C  2 2 4 -1.555759 -1.446554 -1.501157 
three A  2 NaN 2 1.216109  NaN 1.216109 
     B NaN 2 2  NaN 0.255482 0.255482 
     C  2 NaN 2 0.732448  NaN 0.732448 
two A NaN 2 2  NaN -0.273747 -0.273747 
     B  2 NaN 2 -0.001649  NaN -0.001649 
     C NaN 2 2  NaN 0.685422 0.685422 
All  24 24 24 -0.017102 -0.094208 -0.055655 

我在這裏錯過了什麼嗎？爲什麼在這兩種情況下這種行爲有所不同？

Answer 1

好吧我已經知道它在做什麼。

通過源代碼中pandas/pandas/tools/pivot.py挖掘後，它涉及到的發言

row_margin = data[cols + values].groupby(cols).agg(aggfunc) 

這裏COLS爲df [ 'C']和值爲df [ 'd']。我們將這兩個東西按cols分組，然後應用聚合函數，在這種情況下是np.size。每一行看起來像

In [158]: data[cols + values].groupby(cols).nth(0) 
Out[158]: 
    __dummy__ 
C    
bar -1.823026 
foo 0.465117 

，當我們呼籲np.size()，我們當然得2總和所有這些2的多達拿到保證金，我們結了24次，如果你只是想你可能預期D'

的計數也許別人可以告訴我們這是否是預期的。我仍然對源代碼的一部分感到困惑。我會編輯，如果我找出更多。