Question

我有一个数据框，我想知道给定列的次数最多的次数。

我尝试按以下方式进行：

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

结果我得到了：

ValueError: cannot convert float NaN to integer

据我所知，在第一行我得到的系列中，列中的值用作键，这些值的频率用作值。所以，我只需要找到该系列中最大的值，并且由于某种原因，它不起作用。有谁知道如何解决这个问题？

Answer 1

看起来你可能在列中有一些空值。您可以使用df = df.dropna(subset=['item'])删除它们。然后df['item'].value_counts().max()应该为您提供最大数量，df['item'].value_counts().idxmax()应该为您提供最频繁的值。

Answer 2

您也可以考虑使用scipy的mode函数忽略NaN。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.]]))

意味着第一列的最常见值为2，第二列为3，频率分别为3和2。

Answer 3

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

Answer 4

只需采用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]

之所以可行，是因为pd.Series.value_counts默认情况下具有sort=True，因此按计数已经订购，最高计数在前。从索引中按位置提取值具有O（1）复杂度，而pd.Series.idxmax具有O（ n ）复杂度，其中 n 是类别数。< / p>

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提取索引并馈入基于标签的loc索引器

Answer 5

添加此行代码以查找最频繁的值

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

Answer 6

NaN值在计算频率时被省略。 Please check your code functionality here 但是您可以将以下代码用于相同的功能。

**>> 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)]

如何获取列中最常值的数字？

6 个答案: