在pandas DataFrame中查找并选择最频繁的列数据答案

【问题标题】：find and select the most frequent data of column in pandas DataFrame在pandas DataFrame中查找并选择最频繁的列数据
【发布时间】：2014-01-13 01:40:22
【问题描述】：

我有一个包含以下列的数据框：

file['DirViento']

Fecha
2011-01-01    ENE
2011-01-02    ENE
2011-01-03    ENE
2011-01-04    NNE 
2011-01-05    ENE
2011-01-06    ENE
2011-01-07    ENE
2011-01-08    ENE
2011-01-09    NNE
2011-01-10    ENE
2011-01-11    ENE
2011-01-12    ENE
2011-01-13    ESE
2011-01-14    ENE
2011-01-15    ENE
... 
2011-12-17    ENE
2011-12-18    ENE
2011-12-19    ENE
2011-12-20    ENE
2011-12-21    ENE
2011-12-22    ENE
2011-12-23    ENE
2011-12-24    ENE
2011-12-25    ENE
2011-12-26    ESE
2011-12-27    ENE
2011-12-28     NE
2011-12-29    ENE
2011-12-30    NNE
2011-12-31    ENE
Name: DirViento, Length: 290, dtype: object

该列有每年每个月的风向记录。我正在努力确定每个月的主导方向。为此，请选择当月最常重复的数据：

file['DirViento'].groupby(lambda x: x.month).value_counts()


1   ENE    23
    NNE     6
    E       1
    ESE     1
2   ENE    21
    NNO     3
    NNE     2
    NE      1
3   ENE    21
    OSO     1
    ESE     1
    SSE     1
4   ENE    21
    NNE     2
    ESE     1
    NNO     1
6   ENE    15
    ESE     2
    SSE     2
    ONO     1
    E       1
7   ENE    22
    ONO     1
    OSO     1
    NE      1
    NNE     1
    NNO     1
8   ENE    23
    NNE     5
    NE      1
    ONO     1
    ESE     1
9   ENE    17
    NNE     7
    ONO     2
    NE      1
    E       1
    ESE     1
    NNO     1
10  ENE    16
    NNE     2
    ESE     2
    NNO     2
    ONO     1
    NE      1
    E       1
11  ENE    13
    NNE     2
    ESE     2
    ONO     1
12  ENE    26
    NNE     3
    NE      1
    ESE     1
Length: 54, dtype: int64

运行以下代码行时

wind_moda=file['DirViento'].groupby(lambda x: x.month).agg(lambda x: stats.mode(x)[0][0])

应该得到这样的东西

     1  ENE    
     2  ENE    
     3  ENE  
     4  ENE
     6  ENE
     7  ENE    
     8  ENE    
     9  ENE
    10  ENE  
    11  ENE
    12  ENE

但我得到以下信息：

 1          E  
 2        ENE  
 3        ENE  
 4        ENE  
 6          E  
 7        ENE  
 8        ENE  
 9          E  
 10         E  
 11       ENE  
 12       ENE

为什么 12 个月中有 4 个月没有考虑最频繁的数据？

我是不是做错了什么？

想知道每个月最常见的数据吗？

【问题讨论】：

如果多个方向在给定月份中具有相同（最大）计数，您希望发生什么？

标签： python pandas dataframe

【解决方案1】：

这并不像（应该）那么简单。

您可能知道，最常见值的统计术语是“模式”。 Numpy 对此没有内置函数，但 scipy 有。像这样导入它：

from scipy.stats.mstats import mode

它不仅仅返回最常见的值as you can read about in the docs，因此可以很方便地定义一个使用mode 的函数来获取最常见的值。

f = lambda x: mode(x, axis=None)[0]

现在，使用 apply(f) 代替 value_counts()。这是一个例子：

In [20]: DataFrame([1,1,2,2,2,3], index=[1,1,1,2,2,2]).groupby(level=0).apply(f)
Out[20]: 
1    1.0
2    2.0
dtype: object

更新： Scipy 的 mode 不适用于字符串。对于您的字符串数据，您需要定义一个更通用的模式函数。 This answer 应该可以解决问题。

【讨论】：

【解决方案2】：

对于整个数据框，您可以使用：
```
dataframe.mode()
```
对于特定列：
```
dataframe.mode()['Column'][0]
```

第二种情况在估算值时更有用。

【讨论】：

【解决方案3】：

Pandas 0.15.2 有一个DataFrame.mode() 方法。它可能对像我一样寻找这个的人有用。

这里是the docs。

编辑：对于值：

DataFrame.mode()[0]

【讨论】：