Question

我的数据框的格式为：

category | value |
cat a    |x      |
cat a    |x      |
cat a    |y      |
cat b    |w      |
cat b    |z      |

我希望能够返回类似的信息（显示唯一的值和频率）

category | freq of most common value |most common value |
cat a       2                              x
cat b       1                              w #(it doesnt matter if here is an w or z)

Answer 1

一种方法是同时对两列都进行groupby并取size，对值进行排序并采用较高的频率：

(df.groupby(['category', 'value'])
   .value.size()
   .sort_values()
   .groupby(level=0)
   .tail(1))

category  value
cat b      z        1
cat a      x        2
Name: value, dtype: int64

Answer 2

在lambda函数中，每组将Series.value_counts与Series.head一起使用：

df = (df.groupby('category', sort=False)['value']
        .apply(lambda x: x.value_counts().head(1))
        .reset_index()
        .rename(columns={'level_1':'most_common_value','value':'freq of most common value'}))
print (df)
  category most_common_value  freq of most common value
0    cat a                 x                          2
1    cat b                 w                          1

Answer 3

这是使用crosstab的解决方案：

m = pd.crosstab(df['category'],df['value'])
m = m.max(1).to_frame('freq of most common value').assign(most_common_value=m.idxmax(1))

print(m)

          freq of most common value most_common_value
category                                             
cat a                             2                 x
cat b                             1                 w

根据条目对数据框中的值进行计数

3 个答案: