Python 生成一个新的数据帧，该数据帧由唯一的userid和其他列中的模式组成

所以我的数据框看起来像这样

userID.   A.   B.   C
  1.      X.   O.   1   
  2.      X.   N.   2
  1.      X.   O.   3
  1.      Y.   O.   4

每个唯一的用户ID可以出现任意次数。我要做的是生成一个新的Pandas数据帧，其中每一行包含一个唯一的userID ID，列a、B、C的值是这些唯一用户的模式。如果任何列的模式是绑定的，则任何绑定的值都可以。下面的例子就是我要找的

userID.   A.   B.   C
  1.      X.   O.   1
  2.      X.   N.   2

我在这里看到了一个类似的帖子（），但这并不是我想要的

userID.   A.   B.   C
  1.      X.   O.   1
  2.      X.   N.   2

更复杂的例子

UserID.       A.   B.   C
      1.      Y.   O.   1   
      2.      X.   N.   2
      1.      X.   O.   3
      1.      Y.   O.   4
      1.      X.   O.   1   
      2.      X.   N.   2
      1.      X.   O.   3
      1.      Y.   O.   4
      1.      X.   O.   1   
      2.      X.   N.   2
      1.      X.   O.   3
      1.      Y.   O.   4

将得到相同的结果：

userID.   A.   B.   C
  1.      X.   O.   1
  2.      X.   N.   2

---

编辑：注意，我使用X，0，1作为值。实际上，这些值可以是str、float、int。

您可以使用

GroupBy.mode

，然后使用

dropna

：

df = df.groupby('userID.').apply(lambda x: x.iloc[:, 1:].mode()).dropna()

           A.  B.  C
userID.             
1       0  X.  O.  1
2       0  X.  N.  2

要修复索引，请使用

reset\u index

：

df = (
    df.groupby('userID.').apply(lambda x: x.iloc[:, 1:].mode())
      .dropna().reset_index(level=0).reset_index(drop=True)
)

   userID.  A.  B.  C
0        1  X.  O.  1
1        2  X.  N.  2

或更简洁，如前所述：

df = df.groupby('userID.', as_index=False).agg(lambda x: x.mode()[0])

   userID.  A.  B.  C
0        1  X.  O.  1
1        2  X.  N.  2

---

df.groupby（'UserID'，as_index=False）.agg（lambda x:x.mode（）[0]）

x.iloc[：，1:]的目的是防止获取列的模式

UserID

iloc[：，1://code>的意思是：“从第二行获取所有行和列”@QwertyQwertsAh谢谢。似乎我得到了一个索引器：索引越界错误。作为旁注，我得到的是一个警告UserWarning:cannot sort modes:'看起来您的示例数据帧并不能很好地表示您的实际数据，因为我在两个数据帧上都尝试了我的解决方案，并且得到了正确的输出<代码>iloc

是造成这种情况的原因，我认为。在

piRSquared

@QwertyQwerts底部尝试解决方案