使用另一列分组后获取具有最大列数的记录

Question

我目前正在用 python 学习熊猫，但遇到了一个问题。我有一个包含美国人口普查数据csv variables info的 csv 文件。对于这个问题，我们可以关注名为 STNAME（例如，albama）的列和名为 COUNTY 的列。

STNAME 对每个县都有重复的值。也就是说，其中的每个县都可以有多个“albama”。

问题是：哪个州的县最多？（提示：仔细考虑 sumlevel 键！您将来的问题也需要它......）

我在尝试什么：1.a> census_df[census_df.groupby('STNAME')['COUNTY'].count() == max(census_df.groupby('STNAME')['COUNTY'].count())]

1.b> census_df[census_df.groupby('STNAME')['COUNTY'].count() == (census_df.groupby('STNAME')['COUNTY'].count().max())]

1.c> census_df.groupby('STNAME')[census_df.groupby('STNAME')['COUNTY'].count() == (census_df.groupby('STNAME')['COUNTY'].count().max())]

在这里，我试图获取具有最大县计数的记录。最后一个给出错误：'未找到列：假，真'

2>

x = (census_df.groupby('STNAME')['COUNTY'].count() == census_df.groupby('STNAME')['COUNTY'].count().max() )

x[x['COUNTY'] == True]

在这里，我按州名分组并计算每个州的县数并获取最大值

我可以将值作为 bool 获取。因为只有一个带有 bool "True" 的状态。但我不知道如何只获取那条记录。

我应该如何进行？

Answer 1

我找到了！census_df.groupby('STNAME')['COUNTY'].count()[census_df.groupby('STNAME')['COUNTY'].count() == (census_df.groupby('STNAME')['COUNTY'].count().max())]我认为唯一缺少的是 ['COUNTY'].count() 。我认为这是不必要的，因为我在 [] 括号内查询它，但我想我错了。我的理解是，最外层的格式与通过查询获取的格式不同。