Pandas获得列的最常见值

Question

我有这个数据框：

System.gc

所以我想让 获得最常用的值或值（在这种情况下是其值） 所以我所做的是：

0 name data
1 alex asd
2 helen sdd
3 alex dss
4 helen sdsd
5 john sdadd

但它只返回值： Alex ，即使它 Helen 也会出现两次。

Answer 1

使用mode

df.name.mode()
Out[712]: 
0     alex
1    helen
dtype: object

Answer 2

不明显，但很快

f, u = pd.factorize(df.name.values)
counts = np.bincount(f)
u[counts == counts.max()]

array(['alex', 'helen'], dtype=object)

Answer 3

您可以这样尝试argmax：

dataframe['name'].value_counts().argmax() Out[13]: 'alex'

value_counts将返回pandas.core.series.Series的计数对象，而argmax可用于获得最大值的键。

Answer 4

您可以使用它来获得完美的计数，它会计算特定列的模式

df['name'].value_counts()

Answer 5

df['name'].value_counts()[:5].sort_values(ascending=False)

value_counts将返回一个计数对象pandas.core.series.Series，而sort_values(ascending=False)将首先为您提供最高的值。

Answer 6

使用：

df['name'].mode()

或

df['name'].value_counts().idxmax()

Answer 7

您可以使用.apply和pd.value_counts来计算名称列中所有名称的出现次数。

dataframe['name'].apply(pd.value_counts)

Answer 8

我有一个类似的问题最好最简洁的答案让我们说前 n（默认为 5）最常见的值是：

df["column_name"].value_counts().head(n)

Answer 9

这是一种方式：

df['name'].value_counts()[df['name'].value_counts() == df['name'].value_counts().max()]

打印：

helen    2
alex     2
Name: name, dtype: int64

Answer 10

获得第一个最佳解决方案是

 df['my_column'].value_counts().sort_values(ascending=False).argmax()

Answer 11

要获取最常见的前五名：

dataframe['name'].value_counts().head()

Answer 12

确定前 5 名，例如，使用 value_counts

top5 = df['column'].value_counts()

'top_5'的列表内容

top5[:5]

Answer 13

只需使用它即可。

dataframe['name'].value_counts().nlargest(n)

最大和最小频率的功能是：

• nlargest()获取最常用的'n'值
• nsmallest()获取最不常用的'n'值

Answer 14

要获取n的最频繁值，只需子集.value_counts()并获取索引：

# get top 10 most frequent names
n = 10
dataframe['name'].value_counts()[:n].index.tolist()

Answer 15

n用于获取最常使用的物品的数量

n = 2

a=dataframe['name'].value_counts()[:n].index.tolist()

dataframe["name"].value_counts()[a]

Answer 16

获得前5名：

dataframe['name'].value_counts()[0:5]

Answer 17

获得前 5 名最常见的姓氏熊猫：

df['name'].apply(lambda name: name.split()[-1]).value_counts()[:5]