按列分组以查找另一列中出现频率最高的值？ [复制]

Posted 2023-03-11

【中文标题】按列分组以查找另一列中出现频率最高的值？ [复制]

【英文标题】：Group by a column to find the most frequent value in another column? [duplicate]

【发布时间】：2019-02-03 23:36:23

【问题描述】：

按列分组以在另一列中查找最常见的值。 示例：

import pandas as pd
d = 'col1': ['green','green','green','blue','blue','blue'],'col2': ['gx','gx','ow','nb','nb','mj']
df = pd.DataFrame(data=d)
df

给予：

col1   col2
green  gx
green  gx
green  ow
blue   nb
blue   nb
blue   xv

结果：

green 拥有gx，blue 拥有nb

【问题讨论】：

我可能不够清楚，但我不想要这个。我只想保留具有最频繁值的行。

对不起，我后来意识到了:(

【参考方案1】：

使用SeriesGroupBy.value_counts 并选择索引的第一个值：

df = df.groupby('col1')['col2'].apply(lambda x: x.value_counts().index[0]).reset_index()
print (df)
    col1 col2
0   blue   nb
1  green   gx

或添加DataFrame.drop_duplicates:

df = df.groupby('col1')['col2'].value_counts().reset_index(name='v')

df = df.drop_duplicates('col1')[['col1','col2']]
print (df)
    col1 col2
0   blue   nb
2  green   gx

或使用Series.mode 并按Series.iat 的位置选择第一个值：

df = df.groupby('col1')['col2'].apply(lambda x: x.mode().iat[0]).reset_index()
print (df)
    col1 col2
0   blue   nb
1  green   gx

编辑：

问题仅在于 NaNs 组：

d = 'col1': ['green','green','green','blue','blue','blue'],
     'col2': [np.nan,np.nan,np.nan,'nb','nb','mj']
df = pd.DataFrame(data=d)

f = lambda x: np.nan if x.isnull().all() else x.value_counts().index[0]
#or
#f = lambda x: next(iter(x.value_counts().index), np.nan)
#another solution
#f = lambda x: next(iter(x.mode()), np.nan)
df = df.groupby('col1')['col2'].apply(f).reset_index()
print (df)
    col1 col2
0   blue   nb
1  green  NaN

【讨论】：

我尝试将其应用于示例以外的数据框，它显示：IndexError: index 0 is out of bounds for axis 0 with size 0。你知道为什么吗？

@user10288621 - 当然，等一下。

@user10288621 - 检查已编辑的答案。

【参考方案2】：

您可以使用GroupBy + transform 和pd.Series.mode，然后是drop_duplicates。

使用此解决方案，您的原始数据帧的索引得以保留。它假定只有一种模式，因此每组过滤一种模式。

modes = df.groupby('col1')['col2'].transform(lambda x: x.mode().iat[0])
res = df[df['col2'] == modes].drop_duplicates()

print(res)

    col1 col2
0  green   gx
3   blue   nb