–1.交叉分析
–2.分组分析
交叉分析的含义是在纵向分析法和横向分析法的基础上，从交叉、立体的角度出发，由浅入深、由低级到高级的一种分析方法。这种方法虽然复杂，但它弥补了“各自为政”分析方法所带来的偏差。
其实主要的用法是：用于分析两个变量之间的关系。
交叉分析一定要和假设检验连用会更好
首先，作者的理解是：交叉分析，一定是二维的，需要两个因子，要不无法交叉，那既然交叉了，就可以做成透视表，这两个因子一个为行，一个为列，然后做假设检验，判断P值是否小于0.0.5，这样就更加清晰明了
编程实现：
采用的是T检验假设
*第一步，提取数据
*第二步，T检验
#输出这两个变量的t检验的P值 ss.ttest_ind()[1]print(ss.ttest_ind(sales_values,technical_values)[1])#然后分组后的department数据，按组为一个因子两两求P值#取出department分组后的keys键名称dp_keys=list(dp_indices.keys())#初始化一个dp_t_mat的矩阵dp_t_mat=np.zeros([len(dp_keys),len(dp_keys)])#便利每一个数据for i in range(len(dp_keys)): for j in range(len(dp_keys)): #t检验 p_value=ss.ttest_ind(df["left"].iloc[dp_indices[dp_keys[i]]].values, df["left"].iloc[dp_indices[dp_keys[j]]].values)[1] #t检验的P值小于0.05赋-1，就是让heatmap绘出的图形，更加具有区分性 if p_value<0.05: dp_t_mat[i][j]=-1 else: #把P值赋给dp_t_mat矩阵 dp_t_mat[i][j] = p_value*第三步，绘图
#画图sns.heatmap(dp_t_mat,xticklabels=dp_keys,yticklabels=dp_keys)plt.show()*利用透视表，交叉分析
#建一个透视表pd.pivot_table（）#values="left"我们看得值是left,横坐标index设置为promotion_last_5years，再指定一个salary，#纵坐标columns 表示Work_accident，聚合方法aggfunc，设为平均数，是一个函数piv_tb=pd.pivot_table(df,values="left",index=["promotion_last_5years","salary"], columns=["Work_accident"],aggfunc=np.mean)#画图，透视表，填入这张表piv_tb，最小值vmin,最大值vmax,颜色cmapsns.heatmap(piv_tb,vmin=0,vmax=1,cmap=sns.color_palette("Reds",n_colors=256))plt.show() 2.分组分析*分组分析的含义：是指将客体（问卷、特征、现实）按研究要求进行分类编组，使得同组客体之间的差别小于各种客体之间的差别，进而进行分析研究的方法。
分组分析，一般是利用条形图绘制的，绘制条形图主要是利用seaborn模块的barplot()和countplot()条形图函数。
这里讲一下barplot（）和countplot（）之间的区别：
*barplot(条形图)
条形图表示数值变量与每个矩形高度的中心趋势的估计值，并使用误差线提供关于该估计值附近的不确定性的一些指示。具体用法如下：
*countplot（）绘制
一个计数图可以被认为是一个分类直方图，而不是定量的变量。基本的api和选项与barplot（）相同，因此您可以比较嵌套变量中的计数。（工作原理就是对输入的数据分类，条形图显示各个分类的数量）具体用法如下：
seaborn.countplot(x=None, y=None, hue=None, data=None, order=None, hue_order=None, orient=None, color=None, palette=None, saturation=0.75, dodge=True, ax=None, **kwargs)
注：countplot参数和barplot基本差不多，可以对比着记忆，有一点不同的是countplot中不能同时输入x和y，且countplot没有误差棒。
*分组分析的编程实现
import pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns#设置图片的字体 font_scalesns.set_context(font_scale=1.5)df=pd.read_csv("./data/HR.csv")#离散分组#绘条形图#sns.barplot(x="salary",y="left",hue="department",data=df)#plt.show()#连续分组sl_s=df["satisfaction_level"]sns.barplot(list(range(len(sl_s))), sl_s.sort_values())plt.show()绘图结果
*第二种，利用不纯度（Gini系数）
#可能平方和def getProbSS(s): if not isinstance(s,pd.core.series.Series): s=pd.Series(s) prt_ary = pd.groupby(s, by=s).count().values / float(len(s)) return sum(prt_ary**2)#求Gini的值def getGini(s1,s2): d=dict() for i in list(range(len(s1))): d[s1[i]]=d.get(s1[i],[]) + [s2[i]] return 1-sum([getProbSS(d[k])*len(d[k]) / float(len(s1)) for k in d])print("getGini",getGini(s1,s2))