在Python中使用三个变量在R中生成表函数

假设我们有这个样本数据

| mem_id | main_title | sub_title |
-----------------------------------
|   1    |      1     |    1      |
|   10   |      3     |    2      |
|   3    |      3     |    2      |
|   45   |      1     |    2      |
|   162  |      2     |    2      |

... 

1） 数据摘要

• mem_id:200人的唯一id
• 主标题：3个唯一标签（1,2,3）
• 子标题：6个唯一标签（1,2,3,4,5,6），每个主标题可以有一个子标题

可以像一个mem_id一样重复，可以有多个case of（1:main，1:sub）

2） 问题:

我想在python中生成R表函数结果

R表函数的结果是这样的。 我可以从所有的主标题和子标题中做出所有可能的组合。 还可以通过mem_id获取每个案例的计数

count.data <- table(data$mem_id, data$main_title, data$sub_title)
count.table <- as.data.frame(count.data)
===============================================
          mem_id   main_title   sub_title value
1            1         1              1     0
2            2         1              1     0
3            3         1              1     0
4            4         1              1     0
5            5         1              1     0
6            6         1              1     0
7            7         1              1     0
.
.
.

我知道这只显示值（案例计数）列的正结果

我需要的是包括所有可能的主标题和子标题的组合，所以像1&1（主标题和子标题）案例必须有200行，计数列中可能有零值

如果我能得到任何帮助或建议，我将不胜感激！！

---

谢谢：）

在熊猫中，您可以使用

groupby

+

reindex

s=df.groupby(df.columns.tolist()).size()
idx=pd.MultiIndex.from_product(list(map(set,df.values.T)))
s=s.reindex(idx,fill_value=0)
s
Out[15]: 
162  1  1    0
        2    0
     2  1    0
        2    1
     3  1    0
        2    0
1    1  1    1
        2    0
     2  1    0
        2    0
     3  1    0
        2    0
10   1  1    0
        2    0
     2  1    0
        2    0
     3  1    0
        2    1
3    1  1    0
        2    0
     2  1    0
        2    0
     3  1    0
        2    1
45   1  1    0
        2    1
     2  1    0
        2    0
     3  1    0
        2    0
dtype: int64

---

我尝试你的R代码并没有得到你使用tableoh显示的结果，我用as.data.frame应用了该表的结果。我在帖子中添加了这个代码。谢谢你让我知道！我已经提供了熊猫版，你可以查一下。如果你不介意的话，我可以问另一个吗？在这段代码“pd.MultiIndex.from_product（list）（map（set，df.values.T））”中，map（set，df.values.T）是否将id，main，sub的每个组合都进行了转换？@jenna.h是的，它们就像R中的expand.grid，这里是product

cross_table2 = cross_table1.pivot_table(index=['main_title ', 'sub_title', 'mem_id'], values='variable', aggfunc='count')

cross_table32.reset_index().sort_values('value')

==============================================
         main_title sub_title  mem_id    value
1            1         1         1         4
2            1         1         2         3
3            3         1         3         1
4            4         2         3         10
5            1         4         3         2
6            1         1         4         5
7            3         2         5         2
.
.
.

s=df.groupby(df.columns.tolist()).size()
idx=pd.MultiIndex.from_product(list(map(set,df.values.T)))
s=s.reindex(idx,fill_value=0)
s
Out[15]: 
162  1  1    0
        2    0
     2  1    0
        2    1
     3  1    0
        2    0
1    1  1    1
        2    0
     2  1    0
        2    0
     3  1    0
        2    0
10   1  1    0
        2    0
     2  1    0
        2    0
     3  1    0
        2    1
3    1  1    0
        2    0
     2  1    0
        2    0
     3  1    0
        2    1
45   1  1    0
        2    1
     2  1    0
        2    0
     3  1    0
        2    0
dtype: int64