使用 pandas.DataFrame.mode 和 groupby 在数据框中找到大多数 [重复]

Posted 2023-03-11

【中文标题】使用 pandas.DataFrame.mode 和 groupby 在数据框中找到大多数 [重复]

【英文标题】：Find the majority in dataframe using pandas.DataFrame.mode and groupby [duplicate]

【发布时间】：2018-11-27 19:58:32

【问题描述】：

如何为每个组的大多数人获取一个新列？

示例数据帧

    who        state
0   peopleA     CA
1   peopleA     CA
2   peopleA     CA
3   peopleA     NJ
4   peopleB     FL
5   peopleB     FL
6   peopleB     CA

这不是正确的编码方式

df['new_column'] = df.groupby('who').mode()

我的预期输出

    who        new_column
0   peopleA      CA
1   peopleB      FL

奖金问题： 有没有办法设置一个阈值来控制如果计数大于 70%，则认为是多数，如果小于 70%，则返回 null

【问题讨论】：

这是你想要的吗？：pandas.pydata.org/pandas-docs/stable/generated/… 切分“谁”并计算“国家”？

@JeffEllen 不完全是

【参考方案1】：

pandas.groupby 没有mode()。解决方法是here。基本上分组后，您可以使用.apply() 到分组器并找到特定于该组的模式。

df.groupby('who').state.apply(lambda x: x.mode()).reset_index(0)

输出：

      who   state
0   peopleA CA
0   peopleB FL

【讨论】：

可以，但是索引号变成0和0

【参考方案2】：

我们可以按列who分组，然后在df groupby对象上应用mode函数，然后调用reset_index并传递参数drop=True，这样多索引就不会作为列添加回来

>>> df
       who state
0  peopleA    CA
1  peopleA    CA
2  peopleA    CA
3  peopleA    NJ
4  peopleB    FL
5  peopleB    FL
6  peopleB    CA
>>> 
>>> df.groupby('who').apply(pd.DataFrame.mode).reset_index(drop=True)
       who state
0  peopleA    CA
1  peopleB    FL
>>> 

【讨论】：

有没有办法设置一个阈值来控制如果计数大于70%，则认为是多数，如果小于70%，则返回null？

如果我有两列以上，如何为模式函数指定列的名称？