Question

我正在尝试根据不同列中的计数重新格式化表格。

df = pd.DataFrame({'Number': [1, 2, 3, 4, 5], 'X' : ['X1', 'X2', 'X3', 'X3', 'X3'], 'Y' : ['Y2','Y1','Y1','Y1', 'Y2'], 'Z' : ['Z3','Z1','Z1','Z2','Z1']})

   Number   X   Y   Z
0       1  X1  Y2  Z3
1       2  X2  Y1  Z1
2       3  X3  Y1  Z1
3       4  X3  Y1  Z2
4       5  X3  Y2  Z1

我希望顶行按频率排序X（首先是X3因为它出现两次）然后对于每个X值，计算其Y和Z值的频率并打印显示最多的那个。

   X3  X2  X1
Y  Y1  Y1  Y2           
Z  Z1  Z1  Z3

到目前为止，我有可以排序的代码

import pandas as pd

df = pd.DataFrame({'Number': [1, 2, 3, 4, 5], 'X' : ['X1', 'X2', 'X3', 'X3', 'X3'], 'Y' : ['Y2','Y1','Y1','Y1', 'Y2'], 'Z' : ['Z3','Z1','Z1','Z2','Z1']})
pivot = df.pivot_table(index='X', columns=['Y', 'Z'], values = 'Number', aggfunc='count')
# clean the table from NaNs (not necessary, but more beautiful):
pivot.fillna(0, inplace=True)
pivot['sum'] = pivot.sum(axis=1)
pivot.sort('sum', ascending=False, inplace=True)
df = pivot[:5].transpose()
df.to_csv('sorted.csv')

和输出：

Y   Z   X3  X1  X2
Y1  Z1  1   0   1
Y1  Z2  1   0   0
Y2  Z1  1   0   0
Y2  Z3  0   1   0
sum     3   1   1

但它仍然不是我想要的，任何人都可以帮助我吗？谢谢！

Answer 1

您需要自定义mode功能，因为pandas.Series.mode如果至少两次没有发生则不起作用;虽然下面的那个不是最有效的，但它确实起到了作用：

>>> mode = lambda ts: ts.value_counts(sort=True).index[0]
>>> cols = df['X'].value_counts().index
>>> df.groupby('X')[['Y', 'Z']].agg(mode).T.reindex(columns=cols)
   X3  X1  X2
Y  Y1  Y2  Y1
Z  Z1  Z3  Z1

请注意，在您的示例框架中，X1和X2与出现次数相关联。

Answer 2

您可以使用Counter来获取最常见的元素。这将作为项目对和出现次数的元组返回，因此使用列表推导仅选择项目（即i [0]是项目）。

from collections import Counter

X = [i[0] for i in Counter(df.X).most_common()]

然后使用列表理解和.loc迭代最常见的X并选择最常见的＆＃39; Y＆＃39;和＆＃39; Z＆＃39;值。

Y = [Counter(df.loc[df.X == x, 'Y']).most_common(1)[0][0] for x in X]

Z = [Counter(df.loc[df.X == x, 'Z']).most_common(1)[0][0] for x in X]

>>> pd.DataFrame({'X': X, 'Y': Y, 'Z': Z}).T
    0   1   2
X  X3  X2  X1
Y  Y1  Y1  Y2
Z  Z1  Z1  Z3

在Python中格式化数据透视表

2 个答案: