Python 熊猫中多个列的最常见值

我有一系列不规则列中的数据，我需要使用pandas从跨多个列的分割部分确定最常见的值。我的意思的一个例子是，如果我有我的同事每天午餐吃什么奶酪的信息：

Idx Name   Cheese1   Cheese2   Cheese3
0   Evan   Gouda     NaN       NaN
1   John   Cheddar   Havarti   Blue
2   Evan   Cheddar   Gouda     NaN
3   John   Havarti   Swiss     NaN

我正在寻找某种功能，它将提供生成的透视表：

Name    Cheese    Pct
Evan    Gouda     .66
John    Havarti   .4

我也不知道每次运行脚本时需要包含多少列，只是它们都是“Cheese”+索引格式。如果John第二天带着四块奶酪出现，我需要添加第四列，分析脚本需要能够处理这一点

import io
import pandas as pd

data = io.StringIO("""\
Idx Name   Cheese1   Cheese2   Cheese3
0   Evan   Gouda     NaN       NaN
1   John   Cheddar   Havarti   Blue
2   Evan   Cheddar   Gouda     NaN
3   John   Havarti   Swiss     NaN
4   Rick   NaN       NaN       NaN
""")
df = pd.read_csv(data, delim_whitespace=True)

def top_cheese(g):
    cheese_cols = [col for col in g.columns if col.startswith('Cheese')]
    try:
        out = (g[cheese_cols].stack().value_counts(normalize=True)
                             .reset_index().iloc[0])
        out.index = ['Cheese', 'Pct']
        return out
    except IndexError:
        return pd.Series({'Cheese': 'None', 'Pct': 0})


output = df.groupby('Name').apply(top_cheese)
print(output)

输出：

       Cheese       Pct
Name                   
Evan    Gouda  0.666667
John  Havarti  0.400000
Rick     None  0.000000

---

最近，我一直在使用

R

，在那里我会像这样解决这个问题：

库（data.table）
图书馆（dplyr）
图书馆（tidyr）
x%
按（姓名、奶酪）%>%分组
总结（n=n（））%>%
分组单位（名称）%>%
突变（p=n/和（n））%>%
过滤器（p==最大值（p））%>%
选择（-n）

哪些产出：

   Name   Cheese         p
1  Evan    Gouda  0.666667
4  John  Havarti  0.400000

Name奶酪p
（chr）（chr）（dbl）
1埃文·古达0.667
2约翰·哈瓦蒂4000000

我很想看看熊猫身上类似的东西会是什么样子。这就是我想到的：

import io
import pandas as pd

x = pd.read_csv(io.StringIO('''
Idx Name   Cheese1   Cheese2   Cheese3
0   Evan   Gouda     NaN       NaN
1   John   Cheddar   Havarti   Blue
2   Evan   Cheddar   Gouda     NaN
3   John   Havarti   Swiss     NaN'''), delim_whitespace=True)

tidy = pd.melt(x, ['Idx', 'Name'], value_name='Cheese').dropna()
tidy = tidy.groupby(['Name', 'Cheese']).size().reset_index(name='n')
tidy['p'] = tidy.groupby('Name')['n'].transform(lambda n: n/sum(n))
tidy[tidy['p'] == tidy.groupby('Name')['p'].transform('max')].drop('n', 1)

哪些产出：

   Name   Cheese         p
1  Evan    Gouda  0.666667
4  John  Havarti  0.400000

---

当然没有

R

那么干净，但也许更熟悉熊猫的人可以考虑如何改进这一点。

你错过了一个机会来命名功能

big_cheese

这是可行的，但当所有人都有相同的最普通的奶酪时，它就会破裂。相反，它将名称作为列标题而不是索引提供。有什么办法可以解决这个问题吗？我通过使用try-except语句来获得索引或列名来解决这个问题，但这是janky，如果有人有更好的解决方案，我希望有更好的解决方案。这很有效。我其实并不在乎液滴，但不管怎样，谢谢你把它放在那里！我还将函数改为try/except返回语句，因为我的一些同事根本不带奶酪，所以他们所有的行都是空的。我包括：

除了：return pd.Series（data=[0]，index=['None']）。reset_index（）

非常有效。最后一次更新。更改

.iloc[[0]]

的

.iloc[0]

将返回一个

系列

，并避免降低级别。将索引移动到

top\u cheese（）

中。添加了

try/except

逻辑。瑞克怎么了？没有奶酪？哦，人性！