在pandas crosstab中加權的結果

Question

我想用第三列來加權熊貓交叉表的結果。

例如，以下內容：

import pandas as pd 
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'bar'], 
        'B': [1, 1, 0, 0, 0], 
        'weight': [2, 3, 4, 5, 6]}) 
print(pd.crosstab(df.A, df.B)) 

結果：

B 0 1 
A   
bar 2 1 
foo 1 1 

我想結果是什麼：

B  0 1 
A   
bar 11 3 
foo 4 2 

Answer 1

您可以使用aggfunc參數提供自定義聚合函數交叉表：

pd.crosstab(df.A, df.B, df.weight, aggfunc = sum) 
B  0 1 
A   
bar 11 3 
foo 4 2 

Answer 2

這實在是浪費內存和只有當權重可以被解釋爲頻率（即權重是整數）時纔有效，但這樣做相當簡單：

df2 = df.iloc[ np.repeat(df.index.values, df.weight) ] 

這只是採用先進/看中索引，以擴大比例行權：

 A B weight 
0 foo 1  2 
0 foo 1  2 
1 bar 1  3 
1 bar 1  3 
1 bar 1  3 

然後就可以正常運行交叉表：

pd.crosstab(df2.A, df2.B) 

B  0 1 
A   
bar 11 3 
foo 4 2 

我懷疑這是必要的編寫一個自定義版本的交叉表，以便正確有效地處理權重，因爲熊貓中很少（如果有）函數自動爲你加權。這不會很難，也許別人會這樣做的答案。

可能scipy或statsmodels有一個自動的方式來做到這一點？