Question

如何在Python中获取每个标记最常出现的类别（模式）？

+------------------+----------+
| tag              | category |
+------------------+----------+
| automotive       |        8 |
| ba               |        8 |
| bamboo           |        8 |
| bamboo           |        8 |
| bamboo           |        8 |
| bamboo           |        8 |
| bamboo           |        8 |
| bamboo           |       10 |
| bamboo           |        8 |
| bamboo           |        9 |
| bamboo           |        8 |
| bamboo           |       10 |
| bamboo           |        8 |
| bamboo           |        9 |
| bamboo           |        8 |
| banana tree      |        8 |
| banana tree      |        8 |
| banana tree      |        8 |
| banana tree      |        8 |
| bath             |        9 |
+-----------------------------+

预期输出就像

    tag     | category 
------------+-----------
 ba         |        8      
 automotive |        8      
 bananatree |        8        
 bath       |        9    
 bamboo     |        8

由于我的数据集的机密性，我借用了Stephen J. Fuhry的表并且在MySQL SELECT most frequent by group编辑了David Fuhry的输出。

Answer 1

在评论中，您注意到您正在使用pandas。您可以执行以下操作：

>>> df

           tag  category
0    automotive         8
1            ba         8
2        bamboo         8
3        bamboo         8
4        bamboo         8
5        bamboo         8
6        bamboo         8
7        bamboo        10
8        bamboo         8
9        bamboo         9
10       bamboo         8
11       bamboo        10
12       bamboo         8
13       bamboo         9
14       bamboo         8
15  banana tree         8
16  banana tree         8
17  banana tree         8
18  banana tree         8
19         bath         9

在＆＃39;标记＆＃39;上执行groupby对于＆＃39;类别＆＃39;列然后在每个组内使用mode方法。但是，我们必须使其成为条件因素，因为如果观察数小于3，pandas不会为mode返回一个数字（我们可以在特殊情况下返回该组本身）一组中1或2个观察的情况）。我们可以使用带有lambda函数的aggregate/agg方法来执行此操作：

>>> mode = lambda x: x.mode() if len(x) > 2 else np.array(x)
>>> df.groupby('tag')['category'].agg(mode)

tag
automotive     8
ba             8
bamboo         8
banana tree    8
bath           9

注意，当模式是多模式时，你会得到一个数组（numpy）。例如，假设有两个浴项（所有其他数据都相同）：

tag|category
bath|9
bath|10

在这种情况下，输出将是：

>>> mode = lambda x: x.mode() if len(x) > 2 else np.array(x)
>>> df.groupby('tag')['category'].agg(mode)

tag
automotive           8
ba                   8
bamboo               8
banana tree          8
bath           [9, 10]

您也可以使用value_counts方法代替mode。再次，在groupby上添加标记＆＃39;对于＆＃39;类别＆＃39;列然后在每个组内使用value_counts方法。 value_counts按降序排列，因此您想要获取第一行的索引：

>>> df.groupby('tag')['category'].agg(lambda x: x.value_counts().index[0])

tag
automotive     8
ba             8
bamboo         8
banana tree    8
bath           9

但是，这不会在多模态情况下返回数组。它将返回第一个模式。

Python：选择最常用的group by

1 个答案: