Python 数据帧中的数字频率

我有这样一个数据集（numeros）：

我想得到所有列中最频繁的数字

我试过了

#through all the columns
for i in numeros[:16]:
print(numeros[i].value_counts().idxmax())

它的回归

1,7,12,5,8,17,14,9,20,2,6,4,14,2,21

但这只返回每列中最频繁的数字，对吗？

---

考虑到我所有的数据集，我如何获得最频繁的15个数字？

使用

集合。计数器及其
最常用的方法：

from collections import Counter

df = pd.DataFrame(np.random.randint(0, 100, (100, 100)))

res = pd.DataFrame.from_dict(Counter(df.values.flatten()).most_common(15))

print(res)

     0    1
0   64  126
1   72  119
2    1  116
3   14  115
4   28  114
5   67  113
6   16  113
7   56  113
8   84  112
9    3  112
10  19  112
11  13  111
12  94  110
13  52  110
14  66  109

使用
collections.Counter
及其最常用的
方法：

from collections import Counter

df = pd.DataFrame(np.random.randint(0, 100, (100, 100)))

res = pd.DataFrame.from_dict(Counter(df.values.flatten()).most_common(15))

print(res)

     0    1
0   64  126
1   72  119
2    1  116
3   14  115
4   28  114
5   67  113
6   16  113
7   56  113
8   84  112
9    3  112
10  19  112
11  13  111
12  94  110
13  52  110
14  66  109

解决方案：

df = pd.DataFrame(np.random.randint(1,100,(9,15)))
df = df.stack().to_frame('key')
df['value'] = 1
df.groupby('key').count().sort_values(['value'],ascending=False).iloc[:15]

解决方案：

df = pd.DataFrame(np.random.randint(1,100,(9,15)))
df = df.stack().to_frame('key')
df['value'] = 1
df.groupby('key').count().sort_values(['value'],ascending=False).iloc[:15]

使用：

结果将是一系列首先计数最高的计数，并使用数据帧值进行索引。
使用：

结果将首先是一系列计数最高的计数，并用数据帧值进行索引。
为什么要在末尾添加
.idmax（）
？@Fozoro获取数字，而不是计数为什么要在末尾添加
.idmax（）
？@Fozoro获取数字，而不是计数