代码之家 › 专栏 › 技术社区 › DonnRK

如何获取熊猫数据框对象值的模式?

counter dataframe pandas python-3.x python

DonnRK · 技术社区 · 7 年前

我有一个 pandas.DataFrame 包含许多列。我只对其中一个类型为“object”的列(“name”)感兴趣。我想回答有关本专栏的三个问题:

除nan值外,最常出现的值是什么?
有多少值符合该标准(答案#1中的值计数)?
这些值多久出现一次?

我从一个大型数据帧(df)开始。我感兴趣的专栏叫做“名称”。首先,我使用了collection。计数器获取“名称”列中每个唯一值的出现次数:

In [52]: cntr = collections.Counter([r for i, r in df['names'].dropna().iteritems()])
Out[52]: Counter({'Erk': 118,
    'James': 120,
    'John': 126,
    'Michael': 129,
    'Phil': 117,
    'Ryan': 126})

然后我将计数器转换回数据帧:

In [53]: df1 = pd.DataFrame.from_dict(cntr, orient='index').reset_index()
In [54]: df1 = df1.rename(columns={'index':'names', 0:'cnt'})

这给了我一个熊猫数据框,其中包含:

In [55]: print (type(df1), df1)
Out[55]: <class 'pandas.core.frame.DataFrame'>
       names    cnt
    0      Erk  118
    1    James  120
    2     Phil  117
    3     John  126
    4  Michael  122
    5     Ryan  126

下一部分是我需要一些帮助的地方。在本例中,我希望的输出是:

答案#1=[约翰,瑞安]

答案#2=2

答案#3=126

我不相信使用计数器是最好的选择,所以我愿意选择留在数据帧内的选项,而不会在数据帧之间反弹以计数器返回到数据帧。

5 回复 | 直到 7 年前

Stephen Rauch Afsar Ali 7 年前

您可以直接从 Counter 例如:

代码:

from collections import Counter

data = Counter({'Erk': 118, 'James': 120, 'John': 126,
                'Michael': 122, 'Phil': 117, 'Ryan': 126})

by_count = {}
for k, v in data.items():
     by_count.setdefault(v, []).append(k)
max_value = max(by_count.keys())
print(by_count[max_value], len(by_count[max_value]), max_value)

结果:

['John', 'Ryan'] 2 126

Prikers 7 年前

有一个帮助器方法可以满足您的需要: value_counts() . 它甚至对于大型数据帧也是有效的。

df1 = df['names'].value_counts()
# question 3
q3 = df1.max()
# question 1
q1 = df1.loc[df1 == q3].index.tolist()
# question 2
q2 = len(q1)

BENY 7 年前

既然你提到模式

from scipy import stats
Val,cnt=stats.mode(df1.cnt)
Val
Out[349]: array([126], dtype=int64)
cnt
Out[350]: array([2])

df1.names[df1.cnt.isin(Val)].tolist()
Out[358]: ['John', 'Ryan']

Bharath M Shetty 7 年前

您也可以使用熊猫内置模式,即

m = df1['cnt'].mode()
0    126
dtype: int64

sum(df1['cnt'].isin(m))
2

df1[df1['cnt'].isin(m)]['names']

3    Ryan
4    John
Name: names, dtype: object

Bilal Mussa 3 年前

我知道我迟到了,但我已经做到了——您需要将统计模块与pandas一起导入python。

data_cut = data.groupby(['HIGH_LEVEL_CATEGORY','SKU']).agg({'M2': ['mean','median', 'min', 'max', 'count', 'var', 'std', 'sum', stats.mode]
                                           }).sort_index().reset_index()

data_cut.columns = ['HIGH_LEVEL_CATEGORY'
                    ,'SKU'
                    , 'M2_Mean'
                    ,'M2_Median'
                    , 'M2_Min'
                    , 'M2_Max'
                    , 'M2_Count'
                    , 'M2_Var'
                    , 'M2_Std'
                    , 'M2_Sum'
                    , 'M2_Mode'
                    ]