python里如何写函数产生报表/2way_tables ?

学python一个月有余，还在摸索阶段。 现在我想生成很多二维表, 总结某种因素有什
么影响。 比如性别，种族，对covid19死亡率什么影响， 该表col_label是： 男生存
，男死亡，女生存，女死亡，男性死亡率，女性死亡率， 男女比。 row_label是：男
，女，总计。

每次调用的时候写： get_table_categorical( dataset_name, input_var, outcome_
var );
input_var 可以是离散的，种族，性别，地区。
output 是离散的，生/死 ，yes/no

如果输入变量是连续的，如年龄，血氧，血压，脉搏，呼吸，再另外写个函数
get_table_continuous( dataset_name, input_var, outcome_var,N );
N是把input_var分成几组，decile, pentile, etc

以后会有功能扩展：
1. 如果我有20个变量，希望可以把所有结果输出到一个xlsx里面。
2. 一个因子对应一个柱状图，同样在xlsx里。
http://biostat.mc.vanderbilt.edu/wiki/pub/Main/Bios311Syllabus2014/230_chisquare_test_for_categorical_data_part2.pdf ，第六页这个表差不多，应该更简单些。

不知谁能给点思路 ？ 应该用哪个包， 怎么实现？

表格的话，最好用 pandas 吧， 简单一点的用 numpy ?

【 在 bluesky321 (bluesky) 的大作中提到: 】
: 学python一个月有余，还在摸索阶段。 现在我想生成很多二维表, 总结某种因素有什
: 么影响。 比如性别，种族，对covid19死亡率什么影响， 该表col_label是： 男生存
: ，男死亡，女生存，女死亡，男性死亡率，女性死亡率， 男女比。 row_label是：男
: ，女，总计。
: 每次调用的时候写： get_table_categorical( dataset_name, input_var, outcome_
: var );
: input_var 可以是离散的，种族，性别，地区。
: output 是离散的，生/死 ，yes/no
: 如果输入变量是连续的，如年龄，血氧，血压，脉搏，呼吸，再另外写个函数
: get_table_continuous( dataset_name, input_var, outcome_var,N );
: ...................

pdf里的输出看着像Stata??

【 在 bluesky321 (bluesky) 的大作中提到: 】
: 学python一个月有余，还在摸索阶段。 现在我想生成很多二维表, 总结某种因素有什
: 么影响。 比如性别，种族，对covid19死亡率什么影响， 该表col_label是： 男生存
: ，男死亡，女生存，女死亡，男性死亡率，女性死亡率， 男女比。 row_label是：男
: ，女，总计。
: 每次调用的时候写： get_table_categorical( dataset_name, input_var, outcome_
: var );
: input_var 可以是离散的，种族，性别，地区。
: output 是离散的，生/死 ，yes/no
: 如果输入变量是连续的，如年龄，血氧，血压，脉搏，呼吸，再另外写个函数
: get_table_continuous( dataset_name, input_var, outcome_var,N );
: ...................

这么说吧， 这种表格，N行，7列， N = ( no. of levels of input_var + 2 ) sas实现大概需要50，60行， R里面也差不多，20行~30行。

python/pandas研究了一个月，完全没思路。
都说python好，所以上来请教一下。我觉着python天生不是干这个的，所以有难度。 R天生就是折腾数据的，又被hadley改造过，所以容易些。

这个任何编程语言都可以做

估计最容易的是VBA

任何语言都可以产生CSV文件
然后csv直接由Excel当作external source读取, 里边早就有了各类pivot table/chart

【 在 bluesky321 (bluesky) 的大作中提到: 】
: 这么说吧， 这种表格，N行，7列， N = ( no. of levels of input_var + 2 ) sas实
: 现大概需要50，60行， R里面也差不多，20行~30行。
: python/pandas研究了一个月，完全没思路。
: 都说python好，所以上来请教一下。我觉着python天生不是干这个的，所以有难度。 R
: 天生就是折腾数据的，又被hadley改造过，所以容易些。

就是一个array操作
不要用任何的库
你的输出输入都很明确
简单的一个function就可以了
max 30 lines
自己写，一次bug free，
然后你就入门了
你到处找库，最多就是一个调包侠

pandas 里面用groupby 一次就出来了

然后把dataframe打印出来 或者to_csv 就跟你贴的pdf第六页里的一样了

数据处理都很类似的 R没用过 但Python numpy pandas是继承Matlab的风格 核
心是矩阵 2阶矩阵其实也就是表

colab可以直接操作 google sheethttps://medium.com/analytics-vidhya/colab-and-google-sheets-surprisingly-
powerful-combination-for-data-science-part-1-bbbb11cbd8e

Csv导excel有trick。学成个excel专家，在今日似乎不合时宜。建议避开。

连Kaggle上的题目有时候数据格式都会遇到错。用excel打开csv,然后存一下，就可以
跟之前的原始数据不一样。而且不给你提示。

Pandas groupby对新手可以的。
【 在 didadida(滴滴嗒嗒) 的大作中提到: 】
<br>: 这个任何编程语言都可以做
<br>: 估计最容易的是VBA
<br>: 任何语言都可以产生CSV文件
<br>: 然后csv直接由Excel当作external source读取, 里边早就有了各类pivot table
/chart
<br>: R
<br>

second pandas, pandas 可以parse html table.应该也可以生产html table.
【 在 forcar (forcar) 的大作中提到: 】
: 表格的话，最好用 pandas 吧， 简单一点的用 numpy ?

Pandas DF确有to_html

【 在 database(《※★※§Hey§※★※》) 的大作中提到: 】

: second pandas, pandas 可以parse html table.应该也可以生产html table.

多谢顾老捧场。 我的工作是给业务部门量化支持，业务部门每天有各种想法，看似千
奇百怪，说到底都是测量各种指标，做出各种报表；（ 好比药厂临床试验，大的不得
了的产业，从程序员，统计师博士，到食品药物管理局，其实就一件事， 产生报表， 得出结论 ）。

我原先认为做报表python应该很擅长，学了一个月，还真不是这么回事。 数学计算还
可以，python做报表没那么容易 。 比如我写一个字， customer_id, 那么这个字是数据集里面的变量名， 还是编程环境里面的变量名 ？ 还是装着变量名的变量 ？ 顾老
对起名字有研究，其实是很现实的问题。

R做报表很繁琐， 因为涉及到所谓‘函数编程’，什么全区变量，局部变量，懒惰计算(lazy eval)等等， 我花了很长时间，写了大概三四十行，终于算是完成了。 行数虽
然短，但要调用哈德利的软件包，其实是个试错的过程。 不是算法多复杂，而是用别
人的轮子， 轮子上有坑， 得自己填了。

私信请教了贵版一些专家，收到中肯的建议，在此一并谢过。

如果是新人。上个python,pandas的船应该不会后悔。
应用千变万化，任何一个tool，我怀疑,做复杂的报表，都不容易，都会碰到很多问题
。（名字问题，属于程序之外的能力。切不谈。）
R的前景，前途如何，我个人不太清楚。可能R的专家才能说明白。
Excel其实是非常厉害的软件。但是和开源社区的潮流不符合。

我给找来的新人也讲，工作是公司的，技能点是自己的。所以我安排人改用什么，学什么，一定会讲清背后的原因。然后说：决定是诸位与我一同做出的。

【 在 bluesky321(bluesky) 的大作中提到: 】
<br>: 多谢顾老捧场。 我的工作是给业务部门量化支持，业务部门每天有各种
想法，
看似千
<br>: 奇百怪，说到底都是测量各种指标，做出各种报表；（ 好比药厂临床试
验，大
的不得
<br>: 了的产业，从程序员，统计师博士，到食品药物管理局，其实就一件事， 产生
报表，
<br>: 得出结论 ）。
<br>: 我原先认为做报表python应该很擅长，学了一个月，还真不是这么回事。 数学
计算还
<br>: 可以，python做报表没那么容易 。 比如我写一个字， customer_id, 那么这个
字是数
<br>: 据集里面的变量名， 还是编程环境里面的变量名 ？ 还是装着变量名的
变量 ？
顾老
<br>: 对起名字有研究，其实是很现实的问题。
<br>: R做报表很繁琐， 因为涉及到所谓‘函数编程’，什么全区变量，局部变量，懒
惰计算
<br>: (lazy eval)等等， 我花了很长时间，写了大概三四十行，终于算是完成了。
行数虽
: ...................
<br>

应付工作， copy_paste足够了。 但对自己没提高啊 。
老魏不是倡导要做个有追求的人， 脱离低级趣味的人嘛。
贵版dracdoc很久前比较过R和python, R适合搞分析，给老板展示观点；python是做到
产品里去给消费者用；

我应该没倡导过啥？“抛却自家无尽藏，沿门持钵效贫儿”
每个人自身都是宝藏。用不着别人倡导。

我反感不弄个“大牛说了”，“业界认为”，“大家认为”。。。的噱头就不敢说话
的胆小如鼠之辈。这点可确认。

个人的真知就算是错的，那也是良知。反过来，一丝真知也无，那就没人性了。
【 在 bluesky321 (bluesky) 的大作中提到: 】
: 应付工作， copy_paste足够了。 但对自己没提高啊 。
: 老魏不是倡导要做个有追求的人， 脱离低级趣味的人嘛。
: 贵版dracdoc很久前比较过R和python, R适合搞分析，给老板展示观点；python是做到
: 产品里去给消费者用；

pandas.pivot_table试过没有，和excel的pivot table功能类似， 应该能解决你的问
题