根据熊猫数据帧分组并选择最常用的值

Question

根据熊猫数据帧分组并选择最常用的值

我有一个有三个字符串列的数据框架。我知道，第三列中唯一的一个值对于前两列的每一个组合都是有效的。要清理数据，我必须按数据帧按前两列分组，并为每个组合选择第三列的最常用值。

我的代码：

import pandas as pdfrom scipy import stats

source = pd.DataFrame({'Country' : ['USA', 'USA', 'Russia','USA'], 
                  'City' : ['New-York', 'New-York', 'Sankt-Petersburg', 'New-York'],
                  'Short name' : ['NY','New','Spb','NY']})print source.groupby(['Country','City']).
                  agg(lambda x: stats.mode(x['Short name'])[0])

最后一行代码不起作用，它写着“键错误‘短名称’”，如果我试图只按City分组，那么我就得到了AssertionError。我能做些什么来解决它？

Answer 1

你可以用value_counts()要获得一个计数系列，并获得第一行：import pandas as pd source = pd.DataFrame({'Country' : ['USA', 'USA', 'Russia','USA'],                    'City' : ['New-York', 'New-York', 'Sankt-Petersburg', 'New-York'],                   'Short name' : ['NY','New','Spb','NY']})source.groupby(['Country','City']).agg(lambda x:x.value_counts().index[0])

Answer 2

为agg，lambba函数将获得Series，它没有'Short name'属性。stats.mode返回两个数组的元组，因此必须在这个元组中接受第一个数组的第一个元素。通过这两个简单的更改：source.groupby(['Country','City']).agg(lambda x: stats.mode(x)[0][0])回报                         Short nameCountry City                       Russia  Sankt-Petersburg        SpbUSA     New-York                 NY