python - 两组虚拟变量的频率/列联表

Question

我有一个调查结果数据框；每个问题一列，每个受访者一行。 Q1 和 Q2 是多项选择题，以虚拟变量形式编码，每个选项一列。例如:

d=pd.DataFrame({
    'Q1a':[0,0,0,1,1,0,1,1],
    'Q1b':[1,1,1,1,1,1,1,1],
    'Q1c':[1,0,0,0,0,1,1,0],
    'Q1d':[0,1,1,0,1,1,0,0],
    'Q2a':[1,1,1,0,0,0,0,0],
    'Q2b':[0,1,1,0,0,1,1,0],
    'Q2c':[1,0,1,1,1,1,0,1]
})

print d
   Q1a  Q1b  Q1c  Q1d  Q2a  Q2b  Q2c
0    0    1    1    0    1    0    1
1    0    1    0    1    1    1    0
2    0    1    0    1    1    1    1
3    1    1    0    0    0    0    1
4    1    1    0    1    0    0    1
5    0    1    1    1    0    1    1
6    1    1    1    0    0    1    0
7    1    1    0    0    0    0    1

所以这个例子有 8 个受访者，Q1 有 4 个选项，Q2 有 3 个。

我需要一个频率表，显示在 Q1 和 Q2 中为每个配对组合勾选"is"的受访者数量(或百分比):

    Q2a Q2b Q2c
Q1a 0   1   3
Q1b 3   4   6
Q1c 1   2   2
Q1d 2   3   3

所以 6 位受访者对 Q1b 和 Q2c 都说是。

从概念上讲，像这样的命令

import pandas as pd
pd.value_counts(
    rows    = (d['Q1a'],d['Q1b'],d['Q1c'],d['Q1d']),
    columns = (d['Q2a'],d['Q2b'],d['Q2c'])
)

我是否漏掉了一些非常明显的东西？感觉就像我，但我不太明白。我已经搜索过，但没有在任何地方找到专门解决这个问题的地方。 Python/pandas 是理想的选择，但 R 也可以。

Answer 1

您可以使用点积:

d.loc[:, d.columns.str.startswith('Q1')].T.dot(d.loc[:, d.columns.str.startswith('Q2')])
Out: 
     Q2a  Q2b  Q2c
Q1a    0    1    3
Q1b    3    4    6
Q1c    1    2    2
Q1d    2    3    3

部分 d.loc[:, d.columns.str.startswith('Q1')] 和 d.loc[:, d.columns.str.startswith(' Q2')] 基本上是选择列。可以用d.filter(like='Q1') as @Zero suggests 来做的更清楚:

d.filter(like='Q1').T.dot(d.filter(like='Q2'))

如果您想任意选择列，您可以只传递一个列名列表。上面的等价物是

d.loc[:, ['Q1a', 'Q1b', 'Q1c', 'Q1d']].T.dot(d.loc[:, ['Q2a', 'Q2b', 'Q2c']])