在pandas DataFrame中查找并​​选择最常用的列数据

Question

我有一个包含以下列的数据框：

file['DirViento']

Fecha
2011-01-01    ENE
2011-01-02    ENE
2011-01-03    ENE
2011-01-04    NNE 
2011-01-05    ENE
2011-01-06    ENE
2011-01-07    ENE
2011-01-08    ENE
2011-01-09    NNE
2011-01-10    ENE
2011-01-11    ENE
2011-01-12    ENE
2011-01-13    ESE
2011-01-14    ENE
2011-01-15    ENE
... 
2011-12-17    ENE
2011-12-18    ENE
2011-12-19    ENE
2011-12-20    ENE
2011-12-21    ENE
2011-12-22    ENE
2011-12-23    ENE
2011-12-24    ENE
2011-12-25    ENE
2011-12-26    ESE
2011-12-27    ENE
2011-12-28     NE
2011-12-29    ENE
2011-12-30    NNE
2011-12-31    ENE
Name: DirViento, Length: 290, dtype: object

该列每日记录每个月的风向。我正努力争取每个月的主导方向。要完成此操作，请选择月内最常重复的数据：

file['DirViento'].groupby(lambda x: x.month).value_counts()


1   ENE    23
    NNE     6
    E       1
    ESE     1
2   ENE    21
    NNO     3
    NNE     2
    NE      1
3   ENE    21
    OSO     1
    ESE     1
    SSE     1
4   ENE    21
    NNE     2
    ESE     1
    NNO     1
6   ENE    15
    ESE     2
    SSE     2
    ONO     1
    E       1
7   ENE    22
    ONO     1
    OSO     1
    NE      1
    NNE     1
    NNO     1
8   ENE    23
    NNE     5
    NE      1
    ONO     1
    ESE     1
9   ENE    17
    NNE     7
    ONO     2
    NE      1
    E       1
    ESE     1
    NNO     1
10  ENE    16
    NNE     2
    ESE     2
    NNO     2
    ONO     1
    NE      1
    E       1
11  ENE    13
    NNE     2
    ESE     2
    ONO     1
12  ENE    26
    NNE     3
    NE      1
    ESE     1
Length: 54, dtype: int64

运行以下代码行时

wind_moda=file['DirViento'].groupby(lambda x: x.month).agg(lambda x: stats.mode(x)[0][0])

应该得到这样的东西

     1  ENE    
     2  ENE    
     3  ENE  
     4  ENE
     6  ENE
     7  ENE    
     8  ENE    
     9  ENE
    10  ENE  
    11  ENE
    12  ENE  

但我得到以下内容：

 1          E  
 2        ENE  
 3        ENE  
 4        ENE  
 6          E  
 7        ENE  
 8        ENE  
 9          E  
 10         E  
 11       ENE  
 12       ENE  

为什么在12个月中的4个月没有考虑最常见的数据？

我做错了吗？

想知道每个月获得最常见的数据吗？

Answer 1

Pandas 0.15.2采用DataFrame.mode()方法。它可能对我这样寻找这个的人有用。

以下是the docs。

编辑：对于值：

DataFrame.mode()[0]

Answer 2

这并不像（应该）那样简单。

正如您可能知道的，最常见值的统计数据是“模式”。 Numpy没有内置功能，但scipy确实如此。像这样导入它：

from scipy.stats.mstats import mode

它不仅仅返回最常见的值as you can read about in the docs，因此定义一个使用mode来获取最常用值的函数很方便。

f = lambda x: mode(x, axis=None)[0]

现在，使用value_counts()代替apply(f)。这是一个例子：

In [20]: DataFrame([1,1,2,2,2,3], index=[1,1,1,2,2,2]).groupby(level=0).apply(f)
Out[20]: 
1    1.0
2    2.0
dtype: object

更新： Scipy的mode不适用于字符串。对于字符串数据，您需要定义更通用的模式函数。 This answer应该做到这一点。

Answer 3

1. 对于整个数据框，您可以使用：

   dataframe.mode()
   

2. 对于特定列：

   dataframe.mode()['Column'][0]
   

第二种情况在估算值时更有用。