In che modo una tabella a campi incrociati di Pandas è diversa da un pivot_table di Pandas?

Question

Sia la tabella pivot pandas.crosstab che quella pivot sembrano fornire la stessa identica funzionalità. Ci sono delle differenze?

Answer 1

è lo stesso, se in uso pivot_tableaggfunc=len e fill_value=0:

pd.crosstab(df['Col X'], df['Col Y']) 
pd.pivot_table(df, index=['Col X'], columns=['Col Y'], aggfunc=len, fill_value=0) 

EDIT: Non v'è più differenza:

predefinito aggfunc sono diversi: pivot_table-np.mean, crosstab-len.

Il parametro margins_name è solo in pivot_table.

In pivot_table è possibile utilizzare Grouper per index e columns parole chiave.

---

penso che se avete bisogno semplicemente tabella di frequenza, crosstab funzione è meglio.

Answer 2

La differenza principale tra i due è che pivot_table prevede che i dati di input siano già un DataFrame; passare un DataFrame a pivot_table e specificare lo index/columns/values passando i nomi di colonna come stringhe. Con cross_tab, non è necessario disporre di un DataFrame, poiché si passa semplicemente oggetti di tipo array per index/columns/values.

Guardando il source code per crosstab, si riprende in sostanza gli oggetti array come si passa, crea un dataframe, poi chiama pivot_table a seconda dei casi.

In generale, utilizzare pivot_table se si dispone già di un DataFrame, in modo da non avere il sovraccarico aggiuntivo di creare nuovamente lo stesso DataFrame. Se stai iniziando da oggetti tipo array e riguarda solo i dati pivot, usa crosstab. Nella maggior parte dei casi, non penso che farà davvero la differenza quale funzione decidi di usare.