数据框中值对的出现次数

Posted 2023-03-11

【中文标题】数据框中值对的出现次数

【英文标题】：Number of occurrence of pair of value in dataframe

【发布时间】：2018-10-22 22:16:00

【问题描述】：

我有以下列的数据框：

Name, Surname, dateOfBirth, city, country

我很想知道什么是最常见的名字和姓氏组合以及它出现的次数。 也很高兴看到前 10 种组合的列表。

我对第一名的想法是：

mostFreqComb= df.groupby(['Name','Surname'])['Name'].count().argmax()

但我认为它没有给我正确的答案。 非常感谢您的帮助！

谢谢， 奈布

【问题讨论】：

性能说明，包括替代方案：Pandas groupby.size vs series.value_counts vs collections.Counter with multiple series

【参考方案1】：

有关以下解决方案的性能影响，请参阅Pandas groupby.size vs series.value_counts vs collections.Counter with multiple series。它们在下面以最佳性能优先显示。

GroupBy.size

您可以使用 GroupBy.size 使用 (Name, Surname) 元组索引创建一系列计数：

res = df.groupby(['Name', 'Surname']).size().sort_values(ascending=False)

通过对这些值进行排序，我们可以轻松提取出最常见的：

most_common = res.head(1)
most_common_dups = res[res == res.iloc[0]].index.tolist()  # handles duplicate top counts

value_counts

另一种方法是构造一系列元组，然后申请pd.Series.value_counts：

res = pd.Series(list(zip(df.Name, df.Surname))).value_counts()

结果将是一系列按姓名-姓氏组合索引的计数，从最常见到最少排序。

name, surname = res.index[0]  # return most common
most_common_dups = res[res == res.max()].index.tolist()

collections.Counter

如果您希望创建包含(name, surname): counts 条目的字典，可以通过collections.Counter 进行：

from collections import Counter

zipper = zip(df.Name, df.Surname)
c = Counter(zipper)

Counter 具有有用的方法，例如 most_common，您可以使用它们来提取结果。

【讨论】：

嗯，好像你在那儿忍者编辑了我。好吧，我建议将 Counter 放在顶部，这是迄今为止您答案中最好的部分。

@cᴏʟᴅsᴘᴇᴇᴅ，我不同意..所有的意见问题:)。例如，与pandas 系列索引相比，从Counter 获取重复最高计数的语法很麻烦[理解]。如果性能不是问题，我推荐value_counts

我不确定我是否遵循。似乎 OP 只想要这里最常见的 10 个值。为什么有重复计数很重要？顺便说一句，我会注意到您目前没有任何选项可以满足 OP 的要求。

@cᴏʟᴅsᴘᴇᴇᴅ，如果重复第 10 次计数怎么办？那么第 10 个最受欢迎的计数是 100，并且有 3 个姓氏组合与 100 计数？带有系列索引的nlargest 在语法上比理解更清晰。 Look here 恕我直言丑陋的替代品Counter。

我明白你所说的可能对某些用户很重要，但我怀疑这是否是这个 OP 中“我想要前 10 名”的意义所在。真的，我明白你的意思，Counter 真的应该有不止一个功能，让我们与他们的 API 进行更清洁的交互。

【参考方案2】：

对于高性能 Counter 来说似乎是一个很好的用例：

from collections import Counter
popular_names = Counter(zip(df.Name, df.Surname)).most_common(10)