crosstab pour les tableaux de fréquences

Un tableau croisé (crosstab) compte le nombre d’occurrences de chaque combinaison de valeurs provenant de deux variables catégorielles ou plus dans un jeu de données. Il s’agit d’un cas particulier de tableau croisé dynamique conçu spécifiquement pour le comptage. Pandas fournit pd.crosstab(), qui permet de calculer ces tableaux d’effectifs de manière concise sans devoir appeler explicitement groupby() ou pivot_table().

L’appel minimal pd.crosstab(index, columns) prend deux entrées assimilables à des tableaux (généralement des colonnes d’un DataFrame) et renvoie un tableau d’effectifs. Les lignes correspondent aux valeurs uniques du premier argument et les colonnes aux valeurs uniques du second. Chaque cellule contient le nombre de lignes où les deux valeurs apparaissent ensemble dans les données d’origine.

Utilisez les paramètres rownames et colnames pour attribuer des noms significatifs aux axes des lignes et des colonnes dans le résultat, en remplaçant les noms par défaut des Series. Cette possibilité est utile lorsque les noms bruts des colonnes de votre DataFrame ne sont pas explicites dans le contexte du tableau produit.

Transmettez margins=True pour inclure une ligne et une colonne totalisant toutes les valeurs. L’étiquette de marge est par défaut 'All', mais vous pouvez la personnaliser avec margins_name. La ligne de marge affiche le total par colonne, la colonne de marge affiche le total par ligne et la cellule en bas à droite affiche le total général.

Transmettez le paramètre normalize pour convertir les effectifs en proportions. normalize=True ou normalize='all' divise par le total général. normalize='index' calcule les proportions par ligne (la somme de chaque ligne vaut 1.0). normalize='columns' calcule les proportions par colonne (la somme de chaque colonne vaut 1.0). Les proportions sont plus informatives que les effectifs bruts lorsque les tailles des groupes diffèrent.

Par défaut, crosstab compte les lignes. Vous pouvez plutôt agréger une colonne numérique en transmettant les paramètres values et aggfunc, comme avec pivot_table(). Vous pouvez par exemple calculer le chiffre d’affaires total pour chaque combinaison de sexe et de produit. Cela rend crosstab presque équivalent à pivot_table, avec une syntaxe légèrement plus concise pour les tableaux d’effectifs.

Transmettez une liste à index ou à columns pour créer un tableau croisé avec plusieurs niveaux sur les lignes ou les colonnes. Le résultat possède un MultiIndex, ce qui fournit une ventilation plus détaillée. Par exemple, un tableau croisant le sexe et la région sur les lignes avec le produit sur les colonnes affiche chaque combinaison sexe-région-produit.

pd.crosstab() et pd.pivot_table() se recouvrent largement. crosstab est optimisé pour compter les effectifs et accepte directement des entrées assimilables à des tableaux (et non un DataFrame), ce qui le rend légèrement plus concis pour les tableaux rapides. pivot_table fonctionne sur un DataFrame et prend nativement en charge toute fonction d’agrégation. Pour les tâches de simple comptage, crosstab est le choix idiomatique ; pour agréger des valeurs numériques, préférez pivot_table.

Un tableau croisé constitue l’entrée standard d’un test du chi carré d’indépendance, qui vérifie si deux variables catégorielles sont statistiquement liées. La fonction scipy.stats.chi2_contingency() accepte directement un tableau croisé. Il s’agit de l’une des utilisations les plus courantes de crosstab dans l’analyse statistique des données : vous calculez le tableau, puis vous le testez dans un même flux de travail.

Les tableaux croisés comportant de nombreuses catégories sont difficiles à interpréter sous forme de nombres bruts. Les visualiser sous forme de carte thermique avec sns.heatmap() rend immédiatement les tendances visibles : les cellules à fréquence élevée apparaissent dans des couleurs vives. Transmettez la version normalisée pour afficher les proportions plutôt que les effectifs bruts, et utilisez annot=True pour afficher les valeurs dans chaque cellule.

Un flux de travail complet avec crosstab : charger les données d’enquête, calculer des tableaux de fréquences entre les variables démographiques et les variables de réponse, normaliser par ligne pour obtenir les taux de réponse et repérer les éventuelles tendances marquées. Il s’agit du flux d’analyse standard dans les études de marché, les tests A/B et la segmentation des utilisateurs, et il peut être réalisé en moins de 10 lignes de code Pandas.

Dans cette leçon, vous avez appris que pd.crosstab() calcule les effectifs de fréquence pour les combinaisons de deux variables catégorielles ; que normalize convertit les effectifs en proportions par ligne, par colonne ou globales ; que margins=True ajoute les totaux des lignes et des colonnes ; et que le résultat de crosstab est directement compatible avec les tests du khi carré et les visualisations sous forme de cartes thermiques. Nous allons maintenant travailler avec des données de séries temporelles à l’aide de DatetimeIndex et des plages de périodes.