Python 熊猫:找到每个人最常见的绳子
当通过Python 熊猫:找到每个人最常见的绳子,python,pandas,Python,Pandas,当通过id聚合数据时,我想在animal中找到最常见的字符串值,如果计数相同,我想选择animal的最后一个值 id animal date 0 1 dog 2018-01-01 1 1 dog 2018-01-02 2 1 cat 2018-01-03 3 2 cat 2018-01-01 4 3 dog 2018-01-01 5 4 fish 2018-
id
聚合数据时,我想在animal
中找到最常见的字符串值,如果计数相同,我想选择animal
的最后一个值
id animal date
0 1 dog 2018-01-01
1 1 dog 2018-01-02
2 1 cat 2018-01-03
3 2 cat 2018-01-01
4 3 dog 2018-01-01
5 4 fish 2018-01-01
6 5 dog 2018-01-01
7 5 cat 2018-01-02
输出应该类似于:
id animal
0 1 dog
1 2 cat
2 3 dog
3 4 fish
4 5 cat
我没能让它正常工作。我试着使用pd.get_dummies和计数,但不看。理想情况下,该解决方案将使用内置的矢量化熊猫/numpy,即筛选、加入、np.where等,因为
groupby.apply
非常慢,数据也有点大。您可以定义自定义规则并使用它来聚合
from collections import Counter
def rule(a):
m = Counter(a)
max_val = sorted(m.values())[-1]
return max(a) if m.values().count(max_val) == 1 else a.tail(1).item()
df.groupby("id").aggregate(rule)
输出:
animal
id
1 dog
2 cat
3 dog
4 fish
5 cat
根据
id
和animal
列进行分组,并获取它们出现的count
和last
日期
然后按id
、count
、last
对结果数据帧进行排序,并在id
上删除重复值,保留最后一行,由于我们的排序,这将给出最常见的动物,如果有两种动物,则为表中最后观察到的动物。最后,去掉额外的列count
&last
columns = ['id', 'animal']
df2 = df.groupby(columns).date.agg(['count', 'last']).reset_index()
df3 = df2.sort_values(['id', 'count', 'last'])
df3.drop_duplicates('id', keep='last')[columns]
# outputs:
id animal
1 1 dog
2 2 cat
3 3 dog
4 4 fish
5 5 cat
这是最好的解决方案!