Python 熊猫：对于groupby value_计数，返回具有最大计数的行

我想做几乎和你一样的事情

然而，基于我的数据集，@jezrael接受的答案中的方法花费的时间太长了——我在原始数据帧中有大约300k行，运行nlargest（1）命令需要几分钟。此外，我在一个head（1000）有限的数据帧上进行了尝试，在value_count中，每一行并没有得到1行——我得到了与value_counts完全相同的序列

用我自己的话说：基本上，我的数据集有两列，如下所示：

Session Rating
A       Positive
A       Positive
A       Positive
A       Negative
B       Negative
B       Negative
C       Positive
C       Negative

Session Rating
A       Positive  3
        Negative  1
B       Negative  2
C       Positive  1
        Negative  1

使用counts=df.groupby（'Session'）['Rating'].value_counts（）我得到一个如下的序列对象：

Session Rating
A       Positive
A       Positive
A       Positive
A       Negative
B       Negative
B       Negative
C       Positive
C       Negative

Session Rating
A       Positive  3
        Negative  1
B       Negative  2
C       Positive  1
        Negative  1

---

如何获得仅包含最大计数的评级的数据帧？如果有多个最大值（如C），我想从返回的表中排除该最大值。

我想您需要这样的值

df.groupby('Session')['Rating'].apply(lambda x: x.value_counts().head(1))

输出：

Session          
A        Positive    3
B        Negative    2
C        Negative    1
Name: Rating, dtype: int64

---

检查他的方法是否更快（这里的numpy会比pandas更好）@0709我在他生成的同一个数据集上尝试了公认的答案，但结果不一样——出于某种原因，形状等于k。一定有其他方法不使用apply？我在100万行上遇到了同样的挑战…@Xavierboretsicotte尝试一下

df.groupby（'Session'）['Rating'].value\u counts（）.groupby（level=0）。head（1）