[Pandas] crosstab

정의

pd.crosstab(index, columns) 는 두 (또는 그 이상의) Series 로 교차 빈도표 (contingency table) 를 만든다. SQL 의 PIVOT 또는 Excel 의 피벗 테이블과 비슷.

pd.crosstab(df['gender'], df['plan'])

사용 상황

• 범주형 변수 간 분포 탐색: 성별 x 구독 플랜, 지역 x 연령대 등 교차 분포 파악
• 비율 분석: normalize='index' 로 행 기준 비율, normalize='all' 로 전체 비율
• 데이터 검증: 특정 조합의 존재 여부, 결측 조합 탐지
• 집계 보고서: values + aggfunc 로 빠른 요약 테이블 생성

pivot_table 과 기능이 비슷하지만, 입력이 DataFrame 컬럼명이 아닌 Series 직접 전달이라는 점이 다르다.

분석 흐름 시각화

flowchart LR
    S1["index Series"] -->|"pd.crosstab()"| CT["교차 빈도표"]
    S2["columns Series"] -->|"pd.crosstab()"| CT

    CT -->|"normalize='index'"| NR["행 기준 비율"]
    CT -->|"margins=True"| MR["소계 포함"]
    CT -->|"values + aggfunc='sum'"| AG["합계 집계"]

기본 (count)

import pandas as pd
df = pd.DataFrame({
  'gender': ['M','F','M','F','M','F'],
  'plan': ['basic','pro','basic','basic','pro','pro'],
})
print(pd.crosstab(df['gender'], df['plan']))

plan    basic  pro
gender
F           1    2
M           2    1

margins (소계 / 총계 행)

pd.crosstab(df['gender'], df['plan'], margins=True, margins_name='Total')

import pandas as pd
df = pd.DataFrame({
  'gender': ['M','F','M','F','M','F'],
  'plan': ['basic','pro','basic','basic','pro','pro'],
})
print(pd.crosstab(df['gender'], df['plan'], margins=True))

plan    basic  pro  All
gender
F           1    2    3
M           2    1    3
All         3    3    6

normalize (비율)

pd.crosstab(df['gender'], df['plan'], normalize='index')    # 행 기준 비율
pd.crosstab(df['gender'], df['plan'], normalize='columns')  # 열 기준
pd.crosstab(df['gender'], df['plan'], normalize='all')      # 전체

import pandas as pd
df = pd.DataFrame({
  'gender': ['M','F','M','F','M','F'],
  'plan': ['basic','pro','basic','basic','pro','pro'],
})
print(pd.crosstab(df['gender'], df['plan'], normalize='index'))

plan       basic       pro
gender
F       0.333333  0.666667
M       0.666667  0.333333

각 행 합이 1. 행 기준 분포를 보여준다.

values + aggfunc (합계, 평균 등)

pd.crosstab(
    df['gender'],
    df['plan'],
    values=df['amount'],
    aggfunc='sum',
)

count 가 아닌 sum/mean 등의 집계. 사실상 Pandas pivot_table 과 같다.

다중 index / 다중 columns

pd.crosstab(
    [df['gender'], df['region']],
    df['plan']
)
# MultiIndex 행

pd.crosstab(
    df['gender'],
    [df['plan'], df['region']]
)
# MultiIndex 컬럼

crosstab vs pivot_table

# 같은 결과
pd.crosstab(df['gender'], df['plan'])
df.pivot_table(index='gender', columns='plan', aggfunc='size')

실전 패턴

EDA: 범주형 변수 간 관계 탐색

import pandas as pd

df = pd.read_csv('customers.csv')

# 성별 x 구독 플랜 분포
ct = pd.crosstab(df['gender'], df['plan'])
print(ct)

# 행 기준 비율로 패턴 파악
ct_pct = pd.crosstab(df['gender'], df['plan'], normalize='index')
print(ct_pct.round(2))

결측 조합 탐지

# 특정 조합이 존재하는지 확인
ct = pd.crosstab(df['region'], df['product_code'])
# 0 인 셀: 해당 지역에 그 제품 주문 없음
missing_combos = (ct == 0).stack()
missing_combos[missing_combos].reset_index()[['region', 'product_code']]

고급 집계: 여러 aggfunc 동시 적용

# crosstab 자체는 단일 aggfunc 만 지원
# 여러 집계가 필요하면 pivot_table 사용
summary = df.pivot_table(
    index='gender',
    columns='plan',
    values='amount',
    aggfunc=['sum', 'mean', 'count'],
)
# MultiIndex 컬럼: ('sum', 'basic'), ('sum', 'pro'), ...

비율 히트맵 시각화 준비

import pandas as pd

ct_pct = pd.crosstab(
    df['age_group'],
    df['plan'],
    normalize='index'
).round(3)

# 시각화 (matplotlib / seaborn)
# import seaborn as sns
# sns.heatmap(ct_pct, annot=True, fmt='.1%', cmap='Blues')

다중 레벨 교차표 + margins

ct = pd.crosstab(
    [df['region'], df['gender']],
    df['plan'],
    values=df['revenue'],
    aggfunc='sum',
    margins=True,
    margins_name='합계',
)

성능

# 대용량: groupby + unstack 이 더 빠를 수 있음
result = (
    df.groupby(['gender', 'plan'])
    .size()
    .unstack('plan', fill_value=0)
)

# Categorical 변환으로 속도 향상
df['plan'] = pd.Categorical(df['plan'], categories=['basic', 'pro', 'enterprise'])
pd.crosstab(df['gender'], df['plan'])
# 카테고리 순서 보장 + 속도 향상

자주 만나는 함정

1. 합산 vs 카운트

pd.crosstab(df['gender'], df['plan'])                                            # count
pd.crosstab(df['gender'], df['plan'], values=df['amount'], aggfunc='sum')        # sum

values 와 aggfunc 를 같이 줘야 합산 가능. 어느 하나만 주면 에러.

2. 결측치

pd.crosstab(df['gender'], df['plan'], dropna=False)
# NaN 도 그룹으로 포함

기본으로 dropna=True 라 NaN 카테고리가 보이지 않는다. 데이터 품질 검증 시 dropna=False 권장.

3. normalize 의 유효값

'index' / 'columns' / 'all' / True / False 만 유효. True 는 'all' 과 같다.

4. 다중 aggfunc 불가

# ❌ crosstab 은 단일 aggfunc 만 허용
pd.crosstab(..., aggfunc=['sum', 'mean'])  # TypeError

# ✓ pivot_table 사용
df.pivot_table(..., aggfunc={'amount': ['sum', 'mean']})

관련 위키

• Pandas groupby
• Pandas pivot
• Pandas pivot_table
• Pandas MultiIndex
• Pandas DataFrame
• Pandas 성능 / 메모리 최적화