python - pandas 交叉表中的列困惑

Question

该代码是在 Seaborn 中使用泰坦尼克号数据集构建 pd.crosstab。输出表中的列总和看起来很困惑。

import pandas as pd
import seaborn as sns

titanic = sns.load_dataset('titanic')

bin = [0,15,100]
titanic["adult"] = pd.cut(titanic.age, bin, labels=["kid","adult"])
pd.crosstab(titanic.survived, titanic.adult, normalize=True, margins=True)

我预计会有 0.116246/0.883754/1.000000，但它在应放置列总和的最后一行给出 0.883754/0.116246/1.000000。

Answer 1

总数的翻转/逆转仅仅是由于原始 age 列中以及随后您创建的分箱 adult 列中存在 NaN 值。您只需将 dropna=False 添加到 pd.crosstab() 命令中，这将返回正确的结果:

pd.crosstab(titanic.survived, titanic.adult, dropna=False, normalize=True, margins=True)

adult   kid     adult       All
survived            
0   0.047619    0.546218    0.616162
1   0.068627    0.337535    0.383838
All 0.116246    0.883754    1.000000