以模式为聚合器分组[重复]

Question

我有一组调查回复，我正在尝试使用 pandas 进行分析。我的目标是找到（对于这个例子）美国每个县最常见的性别，所以我使用以下代码：

import pandas as pd
from scipy import stats
file['sex'].groupby(file['county']).agg([('modeSex', stats.mode)])

输出是：

我怎样才能解压这个只得到模式值，而不是第二个值，告诉模式发生的频率？

这是数据框的示例：

county|sex
----------
079   | 1
----------
079   | 2
----------
079   | 2
----------
075   | 1
----------
075   | 1
----------
075   | 1
----------
075   | 2

期望的输出是：

county|modeSex
----------
079   | 2
----------
075   | 1

Answer 1

当您使用 stats.mode(x)[0] 时，Pandas 抱怨返回数组（我猜 pandas cell 不能保存 numpy 数组），因此您可以将其转换为列表或一个元组：

df = pd.DataFrame({"C1": np.random.randint(10, size=100), "C2": np.random.choice(["X", "Y", "Z"], size=100)})
print(df.groupby(['C2']).agg(lambda x: tuple(stats.mode(x)[0])))

输出：

     C1
C2      
X   (0,)
Y   (4,)
Z   (3,)

由于可以有多种模式，如果您想保留所有模式，则需要元组或列表。如果你想要第一种模式，你可以提取它：

df.groupby(['C2']).agg(lambda x: stats.mode(x)[0][0])

Out:

    C1
C2    
X    0
Y    4
Z    3

Answer 2

scipy.stats.mode 返回array of modal values, array of counts for each mode 所以我们可以使用stats.mode(a)[0] 只返回第一个值

这里是代码

import pandas as pd
from scipy import stats
# sample data frame
df2 = pd.DataFrame({'X' : ['B', 'B', 'A', 'A'], 'Y' : [1, 2, 3, 4]})
# use lambda functions
print df2.groupby(['X']).agg({'Y': lambda x:stats.mode(x)[0]})

输出：

    y   
X   
A  3
B  1