Python，Pandas：如何将一系列附加到数据框

Question

我有以下数据框df1：

import pandas as pd
data = {'name': ['Jason', 'Molly', 'Tina', 'Jake', 'Amy', 'Lisa', 'Molly', 'Lisa', 'Molly', 'Fred'], 
             'gender': ['m', 'f', 'f', 'm', 'f', 'f', 'f', 'f','f', 'm'], 
   }
df1 = pd.DataFrame(data, index = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

我想用一些标准和一些自定义摘要统计数据df2创建一个表。

df2 = df1.describe()
df2.rename(index={'top':'mode'},inplace=True)
df2.rename(index={'freq':'mode freq'},inplace=True)
df2

df2：

                  gender    name
        count       10      10
        unique      2       7
        mode        f       Molly
        mode freq   7       3

对于第二种模式，我想向df2追加一行，对于第二种模式的频率，我要追加一行：

示例：

                gender  name
    count       10      10
    unique      2       7
    mode        f       Molly
    mode freq   7       3
    2nd mode    m       Lisa
    2nd freq    3       2

我发现您可以通过执行以下操作获得第二种模式和频率：

my_series
for column in df1:
   my_series=df1[column].value_counts()[1:2]
   print(my_series)

但是如何将其附加到df2？

Answer 1

您可以使用apply来value_counts，然后我们需要修改您的数据框形状。

df1.apply(lambda x : x.value_counts().iloc[[1]]).stack().reset_index(level=0).T
Out[172]: 
         name gender
level_0  Lisa      m
0           2      3

最终的输出结果（使用显示给我们的rename更改索引名称）

pd.concat([df1.describe(),df1.apply(lambda x : x.value_counts().iloc[[1]]).stack().reset_index(level=0).T])
Out[173]: 
        gender   name
count       10     10
unique       2      7
top          f  Molly
freq         7      3
level_0      m   Lisa
0            3      2

Answer 2

使用Counter

from collections import Counter

def f(s):
    return pd.Series(Counter(s).most_common(2)[1], ['mode2', 'mode2 freq'])

df1.describe().rename(dict(top='mode1', freq='mode1 freq')).append(df1.apply(f))

             name gender
count          10     10
unique          7      2
mode1       Molly      f
mode1 freq      3      7
mode2        Lisa      m
mode2 freq      2      3

---

value_counts

没有Counter

def f(s):
    c = s.value_counts()
    return pd.Series([s.iat[1], s.index[1]], ['mode2', 'mode2 freq'])

df1.describe().rename(dict(top='mode1', freq='mode1 freq')).append(df1.apply(f))

---

脾气暴躁的人

def f(s):
    f, u = pd.factorize(s)
    c = np.bincount(f)
    i = np.argpartition(c, -2)[-2]
    return pd.Series([u[i], c[i]], ['mode2', 'mode2 freq'])

df1.describe().rename(dict(top='mode1', freq='mode1 freq')).append(df1.apply(f))