Question

假设我有一个如下数据框。我想要的是，如果列a，b，c之间的数字出现最多，那么它应输出该数字，或者如果所有三个数字不同，则取a的数字。例如，在第一行中，1出现在1和5中最多，然后d中的输出为1.但在第二行中，列a，b，c的所有三个数字11,2,7都不同，输出是列的值a（11），所以d中的输出是11

list   a  b   c  
 1     1  5   1 
11    11  2   7 
 0     0  0   0 
 9     5  9   5 
 8     8  2   7

预期输出

list   a  b   c  d 
 1     1  5   1  1
11    11  2   7  11
 0     0  0   0  0
 9     5  9   5  5
 8     8  2   7  8

Answer 1

scipy计算模式，但我很惊讶，不要在numpy中找到它。

import pandas as pd
import numpy as np
from scipy import stats

df = pd.DataFrame([[1, 1, 5, 1],
                   [11, 11, 2, 7],
                   [0, 0, 0, 0],
                   [9, 5, 9, 5],
                   [8, 8, 2, 7]],
                  columns=['list', 'a', 'b', 'c'])

df['d'], df['count'] = stats.mode(df[['a', 'b', 'c']].values, axis=1)
df.loc[df['count'] == 1, 'd'] = df['a']
df = df.drop('count', 1)

Answer 2

您可以使用value_counts

df.iloc[:,1:].apply(lambda x : x.value_counts().index[0] if x.value_counts().iloc[0]>1 else x['a'] ,1)
Out[1046]: 
0     1
1    11
2     0
3     5
4     8
dtype: int64

Answer 3

这是我的bincount解决方案

数据
请注意，这与OP的不同之处在于指出它按预期工作。

list a b c 0 1 5 1 1 1 11 11 2 7 2 0 0 0 0 3 9 5 9 5 4 8 8 2 7

解决方案

v = df.values[:, 1:] f, u = pd.factorize([(i, e) for i, row in enumerate(v) for e in row]) counts = np.bincount(f)[f].reshape(v.shape) x = (counts == counts.max(1, keepdims=1)).argmax(1) y = np.arange(v.shape[0]) df.assign(d=v[y, x]) list a b c d 0 1 5 1 1 1 1 11 11 2 7 11 2 0 0 0 0 0 3 9 5 9 5 5 4 8 8 2 7 8

详情

获取我们想要的值的numpy数组。

v = df.values[:, 1:]

使用enumerate和理解来创建元组列表。每个行值将与其他行不同，因为我在每个行的元组的第一个位置放置一个标识符。即枚举值。然后我将这些传递给Pandas的factorize函数，以便放入Numpy的bincount。

f, u = pd.factorize([(i, e) for i, row in enumerate(v) for e in row])

现在我在bincount上使用f并使用f对其进行切片以获得相同大小的数组，但现在已填充计数值。

counts = np.bincount(f)[f].reshape(v.shape)

我找到了最大值并对原始数组进行切片以获得那些值所在的位置。

x = (counts == counts.max(1, keepdims=1)).argmax(1) y = np.arange(v.shape[0])

请注意，如果所有值都相同或者有多种模式，argmax将选择第一个。如果全部相同，则为a列。

df.assign(d=v[y, x])

Answer 4

正如@piRSquared建议的那样，我们可以在pandas中使用mode函数。

df["d"] = np.where(df.apply(lambda x: x.nunique() == 3, 1), 
                   df["a"], 
                   df.mode(1).loc[:,0])

另一种方法（为了好玩）

df["d"] = np.where(df['b'] == df['c'], df['b'], df['a'])

伪代码解释

if b == c:
    choose b because b and c are both the mode
else:  # when b != c
   if a == c or a == b:
        choose a because a is the mode
   else: # a != b != c
        choose a because all are different

熊猫：检查一个数字是否连续出现多次

4 个答案: