Pandas 多索引交叉表

您好，我正在尝试从多索引变量“df”获取交叉表：

df.tail（）

我想得到如下信息：

             X1                X2           X3
       a   b   c   d       a  b  c  d    a  b  c  d

    a
X1  b 
    c 
    d                          
    a
X2  b 
    c
    d
    a
X3  b
    c 
    d 

在每个细胞中，得到（A，B，C，D）席的数量/百分比X/J值< /P> 我试过：

pd.crosstab(index = df, columns = df) 

但我收到一条错误消息：

ValueError: Shape of passed values is (3, 2), indices imply (605, 2)

---

感谢您的帮助

我没有找到使用

pd.crosstab

功能实现这一点的方法，但是可以通过双循环实现。我很想让它与有序（分类）类型一起工作，但我天真的尝试，被注释掉了，没有起作用

import pandas as pd
import numpy as np

def full_crosstab(df, row_keys=None, col_keys=None):
    row_keys = row_keys or df.columns
    col_keys = col_keys or df.columns
    df_final = []
    for outer in row_keys:
        df_outer = []
        for inner in col_keys:
            df_inner = pd.crosstab(df[outer], df[inner])
            df_outer.append(df_inner)
        df_outer = pd.concat(df_outer, axis=1, keys=col_keys)
        df_final.append(df_outer)
    return pd.concat(df_final, keys=row_keys)


def category(values, size):
    series = np.random.choice(values, size=size)
    return pd.Series(series)
    #dtype = pd.CategoricalDtype(categories=values, ordered=True)
    #return pd.Series(series, dtype=dtype)

size = 100
mydf = pd.DataFrame(dict(
    age_range=category(['<18', '18-34', '35-64', '65+'], size=size),
    reg=category(['yes', 'no'], size=size),
    issue=category(['guns', 'schools', 'healthcare'], size=size),
))


df_ct = full_crosstab(mydf)
print(df_ct)

将熊猫作为pd导入
将numpy作为np导入
def full_交叉表（df，行键=无，列键=无）：
行键=行键或df列
col_keys=col_keys或df.columns
df_final=[]
对于外部行内键：
df_外部=[]
对于内置col_键：
df_inner=pd.交叉表（df[outer]，df[inner]）
外部附加（内部附加）
df_外部=pd.concat（df_外部，轴=1，键=列键）
df_final.append（df_外部）
返回pd.concat（df_最终，键=行键）
def类别（值、大小）：
系列=np.随机.选择（值，大小=大小）
返回pd.系列（系列）
#dtype=pd.CategoricalDtype（categories=value，ordered=True）
#返回pd.Series（Series，dtype=dtype）
尺寸=100
mydf=pd.数据帧（dict(
age_range=category（['您的原始数据是否有三级列？是的。我的df有一个多索引结构，其中三级填充在您预期输出的空白处。我希望有一个列联表，即每个（XI，Xj）同时为（a，a）、（a，b）…的变量的数量/百分比
import pandas as pd
import numpy as np

def full_crosstab(df, row_keys=None, col_keys=None):
    row_keys = row_keys or df.columns
    col_keys = col_keys or df.columns
    df_final = []
    for outer in row_keys:
        df_outer = []
        for inner in col_keys:
            df_inner = pd.crosstab(df[outer], df[inner])
            df_outer.append(df_inner)
        df_outer = pd.concat(df_outer, axis=1, keys=col_keys)
        df_final.append(df_outer)
    return pd.concat(df_final, keys=row_keys)


def category(values, size):
    series = np.random.choice(values, size=size)
    return pd.Series(series)
    #dtype = pd.CategoricalDtype(categories=values, ordered=True)
    #return pd.Series(series, dtype=dtype)

size = 100
mydf = pd.DataFrame(dict(
    age_range=category(['<18', '18-34', '35-64', '65+'], size=size),
    reg=category(['yes', 'no'], size=size),
    issue=category(['guns', 'schools', 'healthcare'], size=size),
))


df_ct = full_crosstab(mydf)
print(df_ct)

                     age_range               reg     issue                   
                         18-34 35-64 65+ <18  no yes  guns healthcare schools
age_range 18-34             22     0   0   0  14   8     8          7       7
          35-64              0    24   0   0  10  14    11         10       3
          65+                0     0  23   0  13  10     9          5       9
          <18                0     0   0  31  17  14     5         14      12
reg       no                14    10  13  17  54   0    13         19      22
          yes                8    14  10  14   0  46    20         17       9
issue     guns               8    11   9   5  13  20    33          0       0
          healthcare         7    10   5  14  19  17     0         36       0
          schools            7     3   9  12  22   9     0          0      31