Question

给出一个熊猫数据框，例如：

fName       lName       smokes  eye_color
Bob         McCain         1      black
Bob         McCain         0      black
Bob         McCain         1      black
Ryan        Diedre         0      brown
Ryan        Diedre         0      brown
Ryan        Diedre         1      brown
John        Madden         1      green
John        Madden         0      green

由不同家庭成员对一个人的看法所构成。

如何创建一个数据框，例如：

fName       lName       smokes   eye_color
Bob         McCain         1       black
Ryan        Diedre         0       brown
John        Madden         1      green

在Python中。

基本上，我希望第二个（新）数据框在数据框1中的fName和lName的每个唯一组合中都具有一行。“ smokes”值应该是该人最重复的值。如果没有重复的值，则选择第一个。抽烟值只能为0或1。

我可能正在处理包含数千行的数据帧，因此建议使用有效的答案。但是任何答案目前都足够。

编辑：添加了模式不是采样数据只是一个数字的情况

Answer 1

将Series.mode与第一个值一起使用，因为它应该返回2个值并且只需要一个，对于eye_color，如果每个组中的所有值都相同，请使用GroupBy.first：

df1 = (df.groupby(['fName','lName'])
         .agg({'smokes': lambda x: x.mode().iat[0], 'eye_color':'first'})
         .reset_index())

如果每个组的两列中都需要最频繁的值：

df1 = (df.groupby(['fName','lName'])
         .agg({'smokes': lambda x: x.mode().iat[0], 'eye_color':lambda x: x.mode().iat[0]})
         .reset_index())
print (df1)
  fName   lName  smokes eye_color
0   Bob  McCain       1     black
1  Ryan  Diedre       0     brown

Answer 2

您可以使用groupby，然后使用pd.Series.mode：

def filt(x):
    return x.iat[0] if len(x.mode())>1 else x.mode()

df.groupby(['fName', 'lName'], as_index=False).agg({'smokes': filt, 'eye_color': 'first'})

   fName    lName   smokes  eye_color
0   Bob     McCain   1       black
1   John    Madden   1       green
2   Ryan    Diedre   0       brown

pd.Series.mode返回最频繁的值

Answer 3

尝试groupby：

>>> df.groupby('fName', as_index=False).apply(lambda x: x.mode()).reset_index(level=1).iloc[:, 1:]
  fName   lName  smokes eye_color
0   Bob  McCain       1     black
1  Ryan  Diedre       0     brown
>>>

使用每个人都有几行的数据框，每人每行创建一个数据框，并获取特定属性的模式（每人）

3 个答案: