Python 在pandas中，如何在dataframe中显示最频繁的诊断，但仅统计每个患者相同诊断的1次出现

在熊猫和蟒蛇中：

我有一个很大的健康记录数据集，病人有诊断记录。 如何显示最常见的诊断，但仅统计每个患者发生1次相同诊断？

示例（“pid”是患者id。“代码”是诊断代码）：

在：

输出：

如果可能的话，我希望能够使用.isin.index。
示例：
删除“代码”列中频率计数小于3的所有行

s = df['code'].value_counts().ge(3)
df = df[df['code'].isin(s[s].index)]

df.groupby(by='code').filter(lambda x: x.pid.nunique()>=3)
Out[55]: 
    pid code
0     1    A
1     1    B
2     1    A
3     1    A
4     2    A
5     2    A
6     2    B
7     2    A
8     3    B
11    4    A
12    4    A
13    4    A
14    4    B

---

您可以使用groupby+nunique：

df.groupby(by='code').pid.nunique().sort_values(ascending=False)
Out[60]: 
code
B    4
A    3
D    1
C    1
Name: pid, dtype: int64

删除“代码”列中频率计数小于3的所有行

s = df['code'].value_counts().ge(3)
df = df[df['code'].isin(s[s].index)]

df.groupby(by='code').filter(lambda x: x.pid.nunique()>=3)
Out[55]: 
    pid code
0     1    A
1     1    B
2     1    A
3     1    A
4     2    A
5     2    A
6     2    B
7     2    A
8     3    B
11    4    A
12    4    A
13    4    A
14    4    B

---

您应该能够使用

groupby

和

nunique（）

函数来获得每次诊断的患者的不同计数。这将为您提供所需的结果：

df[['pid', 'code']].groupby(['code']).nunique()

---

既然你提到了

value\u计数

    df.groupby('code').pid.value_counts().count(level=0)
    Out[42]: 
    code
    A    3
    B    4
    C    1
    D    1
    Name: pid, dtype: int64

---

谢谢，但是如何按降序排列呢？我想我论文中的一半代码最终将基于你的答案；）