查找具有最大行数的索引

Posted 2023-03-11

【中文标题】查找具有最大行数的索引

【英文标题】：Finding the Index with maximum number of rows

【发布时间】：2019-11-14 22:35:00

【问题描述】：

我的任务：

对于下一组问题，我们将使用来自United States Census Bureau 的人口普查数据。县是美国各州的政治和地理分区。此数据集包含 2010 年至 2015 年美国各县和州的人口数据。See this document 了解变量名称的说明。

人口普查数据集 (census.csv) 应作为 census_df 加载。酌情使用这个回答问题。

问题 5

哪个州的县最多？ （提示：仔细考虑sumlevel 键！您在以后的问题中也需要这个...）

这个函数应该返回一个字符串值。

census_df = pd.read_csv('census.csv')
census_df = census_df[census_df['SUMLEV']==50]
census_df_2 = census_df.groupby(by='STNAME',axis=0)

然而，这不按'STNAME'对DataFrame进行分组，在执行census_df_2.head()时可以看到

我想这应该适用于分组的 DataFrame：

def answer_five():
    return census_df_2[ census_df_2['COUNTY'].count() == max( census_df_2['COUNTY'].count() ) ].index().tolist()[0]
answer_five()

为什么 groupby 函数不起作用？我尝试更改轴并改用 set_index() 函数，但我无法让它起作用。

如果有人知道解决此问题的另一种方法，我将不胜感激。

【问题讨论】：

啊，这听起来很像家庭作业或培训问题。您甚至粘贴了提示:-) 您的意思是，该组不起作用？您是否已经尝试过应用聚合？例如类似 census_df.groupby(by='STNAME').aggregate('county': 'nunique')

分组做了一些奇怪的事情。当我执行census_df_2.groupby('STNAME').head() 时，它不会返回按状态名称分组的前五个元素，而是按索引返回原始数据帧，但仅返回索引 1-5、69-73,99-103,115-119，... 3170-3174，似乎随机选择索引。我没有尝试过，尽管我确实在某些时候使用过 .agg 失败。为什么''中的函数是唯一的？

【参考方案1】：

groupby 只返回一个 groupby 对象，您必须指定一个用于该对象的聚合函数，例如

df.groupby(by='STNAME').aggregate('COUNTY': 'nunique').idxmax()[0]

给予

'Texas'

有关分组/聚合的介绍，请参阅 the pandas docs here。

【讨论】：

谢谢。我只是想出了这样的解决方案，虽然我不知道为什么 groupby 之前表现得很奇怪： census_df.groupby('STNAME').count()['COUNTY'].idxmax()