Question

我有一个非常大的数据框（成千上万的行），但让我们假设它是这样的：

   A  B  C  D  E  F
0  2  5  2  2  2  2
1  5  2  5  5  5  5
2  5  2  5  2  5  5
3  2  2  2  2  2  2
4  5  5  5  5  5  5

我需要查看在每行的一组列中哪个值出现频率最高。例如，最常出现在ABC列和每行DEF列中的值，然后将它们放在另一列中。在此示例中，我的预期输出是

如何在Python中完成呢？？？谢谢！

Answer 1

这是使用列groupby

的一种方法

mapperd={'A':'ABC','B':'ABC','C':'ABC','D':'DEF','E':'DEF','F':'DEF'}
df.groupby(mapperd,axis=1).agg(lambda x : x.mode()[0])
Out[826]: 
   ABC  DEF
0    2    2
1    5    5
2    5    5
3    2    2
4    5    5

Answer 2

为了获得良好的性能，您可以使用基础的numpy数组，并使用scipy.stats.mode计算模式：

from scipy import stats
cols = ['ABC','DEF']
a = df.values.reshape(-1, df.shape[1]//2)
pd.DataFrame(stats.mode(a, axis=1).mode.reshape(-1,2), columns=cols)

    ABC  DEF
0    2    2
1    5    5
2    5    5
3    2    2
4    5    5

Answer 3

您尝试使用列标题索引过滤：

grp = ['ABC','DEF']
pd.concat([df.loc[:,[*g]].mode(1).set_axis([g], axis=1, inplace=False) for g in grp], axis=1)

输出：

   ABC  DEF
0    2    2
1    5    5
2    5    5
3    2    2
4    5    5

比较每一行的数据框列中的元素-Python

3 个答案: