Python 根据出现的最高值对数据帧进行分组

我有一个包含两列的熊猫数据框架（下面的代码片段）。我试图使用City列来推断自治区（您会注意到一些未指定的值需要替换）。为此，我尝试为每个城市显示出现频率最高的自治区，并输出到字典，其中键为城市，值为该城市出现频率最高的自治区

City        Borough

Brooklyn    Brooklyn
Astoria     Queens
Astoria     Unspecified
Ridgewood   Unspecified
Ridgewood   Queens

因此，如果里奇伍德被发现与皇后区配对100次，布鲁克林4次，曼哈顿1次，那么这对搭档就是里奇伍德：皇后区

到目前为止，我已经尝试了以下代码：

specified = data[['Borough','City']][data['Borough']!= 'Unspecified']
paired = specified.Borough.groupby(specified.City).max()

乍一看，这似乎是正确的输出，但仔细检查后，输出根本不正确。有什么想法吗

编辑：

尝试以下建议： paired=specified.groupby（'City'）.agg（lambda x:stats.mode（x['Borough']）[0]）

我注意到一些行政区被截断，如下所示：

paired.Borough.value_counts()

#[Out]# QUEENS           58
#[Out]# MANHATTAN         7
#[Out]# STATEN ISLAND     4
#[Out]# BRONX             4
#[Out]# BROOKLYN          3
#[Out]# MANHATTA          2
#[Out]# STATE             1
#[Out]# QUEEN             1
#[Out]# MANHA             1
#[Out]# BROOK             1

当然，我可以手动替换被截断的单词，但我很想知道原因是什么

PS-以下是DF指定FYI的输出：

specified
#[Out]# <class 'pandas.core.frame.DataFrame'>
#[Out]# Int64Index: 719644 entries, 1 to 396225
#[Out]# Data columns:
#[Out]# Borough    719644  non-null values
#[Out]# City       651617  non-null values
#[Out]# dtypes: object(2)

specified.Borough.value_counts()
#[Out]# QUEENS           215382
#[Out]# BROOKLYN         208565
#[Out]# MANHATTAN        150016
#[Out]# BRONX             94648
#[Out]# STATEN ISLAND     51033

指定
#[Out]#
#[Out]#int64索引：719644个条目，1到396225
#[Out]#数据列：
#[Out]#自治区719644非空值
#[输出]#城市651617非空值
#[Out]#数据类型：对象（2）
指定的.Borough.value_计数（）
#[外]#皇后区215382
#[外]#布鲁克林208565
#[Out]#曼哈顿150016
#[Out]#布朗克斯94648
#[Out]#斯塔顿岛51033

我相信这可以做到：

from scipy import stats
d.groupby('City').agg(lambda x: stats.mode(x['Borough'])[0])

这将为您提供一个数据框架，其中城市作为索引，并且是“自治区”列中最常见的自治区：

>>> d
         City      Borough
0    Brooklyn     Brooklyn
1     Astoria       Queens
2     Astoria       Queens
3     Astoria     Brooklyn
4     Astoria  Unspecified
5   Ridgewood  Unspecified
6   Ridgewood       Queens
7   Ridgewood       Queens
8   Ridgewood     Brooklyn
9   Ridgewood     Brooklyn
10  Ridgewood     Brooklyn
>>> d.groupby('City').agg(lambda x: stats.mode(x['Borough'])[0])
             Borough
City               
Astoria      Queens
Brooklyn   Brooklyn
Ridgewood  Brooklyn

---

（如果你没有安装scipy，你必须创建自己的“模式”功能，我想你可以使用

集合。计数器
。但是如果你使用pandas，你最好也安装scipy。）
这给了我一个断言errornevermind，我是在你帮我写的另一篇文章中的“指定”场景中做的，它似乎起了作用……奇怪的是，《曼哈顿》似乎在某些地方被截断了：#[Out]#长岛市皇后区#[Out]#曼哈顿曼哈顿曼哈顿#[Out]#曼哈顿曼哈顿曼哈顿曼哈顿#[Out]#马斯佩斯皇后区、孟菲斯皇后区、中村皇后区、曼哈顿区、纽约市曼哈顿区#纽约MANHATTAN@ChrisArmstrong这对我来说似乎很好…也许是iPython的印刷问题？今晚我会再检查一遍…
max
按字典顺序找到了最大的。啊，这就解释了奇怪的结果。。。