Python 在数据帧中，如何计算特定值，然后选择计数最高的值来创建另一个数据帧？

我正在寻找一种从数据帧中选择特定数据行的方法。下面是数据帧的一个示例

Id  \  Value
0    002D85EF   5
1    002D85EF   1
2    002D85EF   5
3    00557D1B   1
4    00557D1B   1
5    00557D1B   5
6    0063EAFB   5
7    0063EAFB   5
8    0063EAFB   5
9    006DE4E3   1
10   006DE4E3   5
11   006DE4E3   1
12   006DE4E3   5

我正在寻找这样的输出帧：

Id  \  Value
0    002D85EF   5
1    00557D1B   1
2    0063EAFB   5

注意，ID 006DE4E3不在输出中，因为那里的值计数相等

谢谢大家!

（由于我无法发表评论，我直接尝试给你一个提示，可能不是答案。）

尝试：

df.groupby（'Value'）.max（）

或

df.groupby（'Value'）.count（）.max（）

顺便说一句，答案中给定的行ID与上面的帧行ID和值不匹配。另外，我不明白您为什么不选择

10 006DE4E3 5

行

编辑 澄清后，我认为您想要的是： 返回Id每次出现的第一个（在已排序的帧中）。但仅当ids组的所有值分布不均匀时。 因此，我的答案是：

将numpy导入为np
作为pd进口熊猫
a=np.random.randint（5，高=10，大小=（20，1））
b=np.random.choice（['a'，'b'，'c'，'d']，20][：，无]
c=pd.DataFrame（np.hstack（[b，a]），列=['id'，'value']）
def first_或_none（grp、col_名称）：
cnts=grp.groupby（col_name）.count（）
如果len（cnts）=len（cnts.nunique（））：
一无所获
其他：
返回grp.iloc[0]
c、 groupby（['id']）。应用（first_或_none，'value'）。dropna（）

---

在本例中，帧c未排序…

我排除了ID 006DE4E3，因为原始dataframe.Ok中有等量的“1”和“5”值。然后，是否要选择每个id的第一个匹配项，除非每个id的值数具有匹配的值计数数？如果计数匹配，我希望跳过该id。谢谢你的帮助。