pandas通过指定列获取平均值和模式组[重复]

Posted 2023-03-11

【中文标题】pandas通过指定列获取平均值和模式组[重复]

【英文标题】：pandas get the average and mode group by specified columns [duplicate]

【发布时间】：2018-06-21 20:54:59

【问题描述】：

     rev_id  worker_id  toxicity  toxicity_score
0    2232.0        723         0             0.0
1    2232.0       4000         0             0.0
2    2232.0       3989         0             1.0
3    2232.0       3341         0             0.0
4    2232.0       1574         0             1.0
5    2232.0       1508         0             1.0
6    2232.0        772         0             1.0
7    2232.0        680         0             0.0
8    2232.0        405         0             1.0
9    2232.0       4020         1            -1.0
10   4216.0        500         0             0.0
11   4216.0        599         0             0.0
12   4216.0        339         0             2.0
13   4216.0        257         0             0.0
14   4216.0        303         0             1.0
15   4216.0        188         0             0.0
16   4216.0       1549         0             1.0
17   4216.0         64         0             1.0
18   4216.0       1527         0             0.0
19   4216.0       1502         0             0.0
20   8953.0       2596         0             1.0
21   8953.0       2403         0             0.0
22   8953.0       2539         0             0.0
23   8953.0       2542         0             0.0
24   8953.0       2544         0             0.0
25   8953.0       1016         0             0.0
26   8953.0       2550         0             0.0
27   8953.0       2578         0             0.0
28   8953.0       2494         0             0.0
29   8953.0        971         0             0.0

我想从toxicity 中获取模式编号（1 或 0），并从 toxicity_score 中获取平均值，通过 pandas 的 rev_id 分组。我怎样才能做到这一点 ？ 谢谢。

【参考方案1】：

看来您需要groupby 与agg mean 和mode 聚合：

df = (df.groupby('rev_id', as_index=False)
        .agg('toxicity_score':'mean', 'toxicity': lambda x: x.mode()))

替代方案是value_counts，选择索引的第一个值：

df = (df.groupby('rev_id', as_index=False)
        .agg('toxicity_score':'mean', 'toxicity': lambda x: x.value_counts().index[0]))

print (df)
   rev_id  toxicity_score  toxicity
0  2232.0             0.4         0
1  4216.0             0.5         0
2  8953.0             0.1         0

【讨论】：

操作后rev_id又不是一列了。如何将结果转换为三列

请检查上次编辑。

mode() 返回两个数字，例如 [0,1]。我只想通过 rev_id 获得最常见的数字组

看来您需要x.mode()[0] 或将pandas 升级到最新版本，o.22.0 运行良好。

谢谢。如果一个 rev_id 中有五个 1 和五个 0，那么 x.mode() 中的顺序是什么？