Kreuztabellen

Um zwei ordinale oder nominale Variablen miteinander zu vergleichen, eignen sich Kreuztabellen. Jeder Wert in der Kreuztabelle entspricht der Anzahl der Beobachtungen im Datensatz mit genau dieser Kombination an Merkmalsausprägungen.

Hier ein Beispiel (mit dem Argument na_values="none" markiert pandas die "none" Einträge in der Spalte 'Notice Preference Definition' als fehlende Werte):

import pandas as pd

df = pd.read_csv(
    "../data/Library_Usage.csv", 
    low_memory=False,
    na_values="Null"
)
pd.crosstab(
    df['Notice Preference Definition'],
    df['Age Range'],
    margins=True
)

Eine Kreuztabelle mit absoluten Werten ist häufig schwer zu interpretieren, wenn die Randverteilungen ungleich verteilt sind. Deswegen sollten die Werte entweder Spaltenweise oder Zeilenweise normalisiert werden:

pd.crosstab(
    df['Notice Preference Definition'],
    df['Age Range'],
    margins=True, normalize=1
)

Ergibt eine Normalisierung der Spalten, sodass sich diese jeweils zu 100% aufaddieren:

Von den Nutzern zwischen 0 und 9 Jahren möchten 92% (0.920147 von 1) per Mail informiert werden.

Wird das Argument normalize=0 verwendet, so werden die Zeilen der Tabelle normalisiert. Entsprecht ändern sich die Interpretation:

Von den Kunden, die per Mail informiert werden möchtem befinden sich ca. 22% (0.222431 von 1) in der Altersgruppe 25 bis 34 Jahre.