在 R 编程语言中，使用 table() 函数可以创建列联表（contingency table），也称为频数表或交叉表。列联表用于显示两个或多个分类变量之间的关系，它显示了每个组合的计数（频数）。在列联表中，行代表一个变量的水平（类别），列代表另一个变量的水平（类别），交叉点的值表示两个变量对应水平的组合出现的次数。

我们做单细胞转录组数据分析的时候尤其是喜欢使用这个函数，比如我们的多个样品整合后细分到亚群，然后在R的gplots包的balloonplot函数对table后的列联表的可视化效果如下所示：

从上面的列联表可以看到06的这个样品其实是有点惨淡，它整体就细胞数量偏少。当然了，上面的是绝对数量的展现，也可以展现细胞比例，那个是后话。目前学员们感兴趣的如何在Python编程语言里面实现这个过程，首先是需要把R里面的数据导出来：

load('phe.Rdata')
colnames(phe)
write.csv(phe[,c(1,16)],file = 'phe.csv')

gplots::balloonplot(table(phe$celltype,phe$orig.ident))

然后在Python里面，使用代码读取上面的 phe.csv文件后，进行统计可视化：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

import pandas as pd

# 读取 CSV 文件
df = pd.read_csv('phe.csv' )

# 打印前几行数据
print(df.head())

df = pd.DataFrame(df)

# 使用 Seaborn 的heatmap绘制交叉表
cross_tab = pd.crosstab(df['celltype'], df['orig.ident'])
sns.heatmap(cross_tab, annot=True, cmap="YlGnBu", fmt='g')
plt.xlabel('Orig Ident')
plt.ylabel('Cell Type')
plt.title('Cross-tabulation of Cell Type and Orig Ident')
plt.show()

可以看到，效果如下所示：