如何为具有行标题和列标题的python透视计算行百分比和列百分比？

对于这个简单的数据透视，如何将值转换为行的%，以及列的%

import pandas as pd
df = pd.DataFrame({'A' : ['one', 'one', 'two', 'three'] * 3,
                   'B' : ['A', 'B', 'C'] * 4,
               'C' : range(12)})
pd.pivot_table(df, index='A', columns='B', aggfunc=sum)

不知何故，经过一番探索，我找不到这个简单问题的答案

预期结果（如果获得列的百分比）

---

谢谢

您可以通过以下方式获得所需的输出：

这将产生：

B             A         B         C
A                                  
one    0.500000  0.227273  0.500000
three  0.166667  0.318182  0.423077
two    0.333333  0.454545  0.076923

B        A    B    C
A                   
one    50%  23%  50%
three  17%  32%  42%
two    33%  45%   8%

您可以使用

applymap

重新格式化输出，以百分之一百的形式显示百分比：

pd.crosstab(df.A, df.B,values=df.C,aggfunc=np.sum,normalize='columns').applymap(lambda x: "{0:.0f}%".format(100*x))

这将产生：

B             A         B         C
A                                  
one    0.500000  0.227273  0.500000
three  0.166667  0.318182  0.423077
two    0.333333  0.454545  0.076923

B        A    B    C
A                   
one    50%  23%  50%
three  17%  32%  42%
two    33%  45%   8%

编辑： 如果

normalize

参数不起作用，可以使用

apply

获取百分比：

pd.crosstab(df.A, df.B, values=df.C, aggfunc=np.sum).apply(lambda x: x/x.sum()).applymap(lambda x: "{:.0f}%".format(100*x))

---

我希望这证明是有用的。

这会给你想要的结果

df = pd.pivot_table(df, index='A', columns='B', values = 'C', aggfunc=sum).apply(lambda x:100 * x / float(x.sum())).round(2)

我已经做了一个内衬，但你可以打破支点和应用

你得到

          A      B       C
  A         
 one    50.00   22.73   50.00
 three  16.67   31.82   42.31
 two    33.33   45.45   7.69

有了它，你可以很容易地得到你需要的东西

请注意，规格化可以根据需要按列或按行进行

pandas.crosstab(index=df['A'],columns=[df['A'], df['B'], df['C']],normalize='columns')
pandas.crosstab(index=df['A'],columns=[df['A'], df['B'], df['C']],normalize='rows')

---

您希望您的预期输出是什么样的？我已经更新了这个问题，基本上相当于excel显示值占列/行的百分比。Thanksry

pd.crosstab（df.A，df.B，values=df.C，aggfunc=np.sum，normalize='columns'）

？谢谢您，先生！但是它返回一个错误TypeError:crosstab（）得到了一个意外的关键字参数“normalise”，除了pandas和numpy，我还需要其他包吗？我在Python2上它是

normalize

而不是

normalise

。你在这里似乎使用的是英式拼写，而论点的拼写是美式的（带有

z

）。此外，您只需要

pandas

和

numpy

就可以了。如果不想使用

numpy

，可以使用

aggfunc=np.sum

切换

aggfunc=sum

。curiouser和curiouser。它也不识别“z”。否则：87 kwargs[new_arg_name]=new_arg_value-->88 return func（*args，**kwargs）89 return wrapper 90 return\u deprecate_kwarg TypeError:crosstab（）得到一个意外的关键字参数'normalize'，您可能正在使用较旧版本的

pandas

。您是否可以升级机器上安装的

pandas

？您可以对其使用

pip安装-U

。我正在使用版本

0.19.2

。谢谢。申请成功了。不知何故，他们无法升级熊猫