根据某些列获取数据集中被调用次数最多的名称

Posted 2023-03-11

【中文标题】根据某些列获取数据集中被调用次数最多的名称

【英文标题】：Getting top most called names in a dataset based on certain columns

【发布时间】：2018-05-15 00:27:02

【问题描述】：

我想知道是否有人可以帮助我解决一个小问题.. 我目前有一个包含大量行的海量数据集，我想创建一个较小的数据框，该数据框仅从较大的数据框中提取 2 列，以及在此实例“出现”中每个名称在该章节中出现的次数

下面的代码是我正在使用的

 df1 = (Dec16.groupby(["BNF Chapter", "Name"]).size().reset_index(name="Occurrence"))
df1

它绘制了这个

BNF Chapter       Name                                       Occurrence 
1                 Aluminium hydroxide                           2
1                 Aluminium hydroxide + Magnesium trisilicate   2
1                 Alverine                                      702
.......
21              Polihexanide                                     2
21              Potassium hydroxide                              32
21              Sesame oil                                       22
21              Sodium chloride                                  222

我想得到的是某个章节出现次数最多的前 10 个名字，因为数据集太大了。

例如一个只拉取的数据框 第 1 章中最常见的 10 个名字

我该怎么做呢？

非常感谢！！！

【参考方案1】：

让我们用随机变量生成器做一个小例子。

import pandas as pd
import numpy as np
# we create random integers in 3 columns
df=pd.DataFrame(np.random.randint(0,10,(1000,3)), columns=["A","B","C"])
# we want to count the repetitions of C given A and B
result = df.groupby(["A","B"]).count()
# the result will print something like this, counting the repetitions of A and B
#       C
# A B    
# 0 0  11
#   1  10
#   2   5
#   3  12
#   4   9
#   5  12
#   6   7
#   7   8