Question

我正在尝试按“关键字”列进行分组，以获取具有更多记录的特征。

让我们考虑一下熊猫df：

pd.DataFrame([['a', 'A'], ['b', 'A'], ['a', 'B'], ['b', 'B'], ['a', 'A'], ['c', 'B']], columns=['Keywords', 'Char'])

对于关键字a，特征A最频繁，对于关键字b来说A或B都可以，对于关键字c而言，B最频繁。

就我而言，我有10000个关键字和3个特征。作为回报，我希望有一个pd.Series，其关键词为索引，最频繁的特征为值，或者一本字典，以关键词为关键，最频繁的特征为值。

我尝试将关键字和特征分组，并按以下方式对行进行计数：

res = frame.groupby(['Keywords', 'Char']).size().reset_index().rename(columns={0:'records'})

但是我不知道如何获得对应于最大值的特征。

预期的输出（任何一个都可以）：

pd.Series(data=['A', 'A', 'B'], index = ['a', 'b', 'c'])

或

pd.Series(data=['A', 'B', 'B'], index = ['a', 'b', 'c'])

或

{'a':'A', 'b':'A', 'c':'B'}

或

{'a':'A', 'b':'B', 'c':'B'}

Answer 1

在Keywords中按组在lambda函数中使用Series.value_counts，并返回索引的第一个值。解决方案的想法是使用value_counts，因为默认情况下按计数对值进行排序：

res = frame.groupby('Keywords')['Char'].apply(lambda x: x.value_counts().index[0])
print (res)
Keywords
a    A
b    B
c    B
Name: Char, dtype: object

熊猫数据框最大按一列分组

1 个答案: