如何获取列中最频繁值的数量？

Posted 2023-03-11

【中文标题】如何获取列中最频繁值的数量？

【英文标题】：How to get the number of the most frequent value in a column?

【发布时间】：2013-02-14 20:19:30

【问题描述】：

我有一个数据框，我想知道给定列有多少次出现频率最高的值。

我尝试通过以下方式进行：

items_counts = df['item'].value_counts()
max_item = items_counts.max()

结果我得到：

ValueError: cannot convert float NaN to integer

据我了解，在第一行中，我得到系列，其中列中的值用作键，这些值的频率用作值。所以，我只需要找到系列中的最大值，由于某种原因，它不起作用。有谁知道如何解决这个问题？

【问题讨论】：

您的专栏中有na 吗？如果是这样，您应该使用 dropna 或 fillna 摆脱它们。

【参考方案1】：

计算频率时省略了 NaN 值。 Please check your code functionality here 但是您可以使用下面的代码来实现相同的功能。

**>> Code:**
    # Importing required module
    from collections import Counter

    # Creating a dataframe
    df = pd.DataFrame( 'A':["jan","jan","jan","mar","mar","feb","jan","dec",
                             "mar","jan","dec"]  ) 
    # Creating a counter object
    count = Counter(df['A'])
    # Calling a method of Counter object(count)
    count.most_common(3)

**>> Output:**

    [('jan', 5), ('mar', 3), ('dec', 2)]

【讨论】：

虽然这段代码 sn-p 可以解决问题，including an explanation 确实有助于提高您的帖子质量。请记住，您正在为将来的读者回答问题，而这些人可能不知道您的代码建议的原因。也请尽量不要用解释性的 cmets 挤满你的代码，这会降低代码和解释的可读性！

除了上述评论之外，您的解决方案是唯一的非 Pandas 解决方案，因此您最好解释一下该解决方案如何提供帮助以及它如何处理 OP 的 NaN 问题。

【参考方案2】：

添加这行代码来查找最频繁的值

df["item"].value_counts().nlargest(n=1).values[0]

【讨论】：

df["item"].value_counts().nlargest(n=1).index[1]

【参考方案3】：

只需取您items_counts 系列的第一行：

top = items_counts.head(1)  # or items_counts.iloc[[0]]
value, count = top.index[0], top.iat[0]

这是因为pd.Series.value_counts 默认有sort=True，所以已经按计数排序，最高计数在前。按位置从索引中提取值的复杂度为 O(1)，而 pd.Series.idxmax 的复杂度为 O(n)，其中 n 是类别数。

仍然可以指定sort=False，然后推荐idxmax：

items_counts = df['item'].value_counts(sort=False)
top = items_counts.loc[[items_counts.idxmax()]]
value, count = top.index[0], top.iat[0]

请注意，在这种情况下，您无需分别调用 max 和 idxmax，只需通过 idxmax 提取索引并馈送到基于标签的 loc 索引器即可。

【参考方案4】：

要继续 @jonathanrocher 回答，您可以在 pandas DataFrame 中使用 mode。它会在行或列中给出最常见的值（一个或两个）：

import pandas as pd
import numpy as np
df = pd.DataFrame("a": [1,2,2,4,2], "b": [np.nan, np.nan, np.nan, 3, 3])

In [2]: df.mode()
Out[2]: 
   a    b
0  2  3.0

【讨论】：

你好，你能看看这个问题***.com/questions/70954791/…

【参考方案5】：

您也可以考虑使用忽略 NaN 的 scipy 的 mode 函数。使用它的解决方案可能如下所示：

from scipy.stats import mode
from numpy import nan
df = DataFrame("a": [1,2,2,4,2], "b": [nan, nan, nan, 3, 3])
print mode(df)

输出看起来像

(array([[ 2.,  3.]]), array([[ 3.,  2.]]))

表示最常见的值是第一列的2 和第二列的3，频率分别为3 和2。

【参考方案6】：

您的列中可能有一些空值。您可以使用df = df.dropna(subset=['item']) 删除它们。然后df['item'].value_counts().max() 应该给你最大计数，df['item'].value_counts().idxmax() 应该给你最频繁的值。

【讨论】：

而且...我可以这样做以便将 NA 计为一个值吗？ IE。如果这是最常见的值，我很乐意返回 NA。

@FullDecent 使用.fillna() 而不是.dropna()

如果我想找到第二大的最大值，该怎么做？

使用df['item'].value_counts().nlargest(n=2).iloc[[2]]

df['item'].value_counts().nlargest(n=2)..iloc[[1]].index[0]