分组并获取最频繁的行答案

【问题标题】：Grouping and getting the most frequent row分组并获取最频繁的行
【发布时间】：2018-03-21 15:52:42
【问题描述】：

我有一个这样的数据框：

    col1     col2
0   maria    apple
1   eugene   apple
2   eugene   banana
3   maria    apple
4   maria    pear
5   eugene   banana
6   maria    apple

我想按人分组，看看那个人最常见的水果是什么，如下所示：

    col1     col2    col3
0   maria    apple   3
1   eugene   banana  2

编辑到目前为止我完成的是：

    col1     col2
   maria    apple   2
            pear    1
   eugene   banana  2
            apple   1

与

df.groupby('col1')['col2'].value_counts()

但我无法弄清楚如何仅获取最大值，因为它是一个系列，而不是数据框

【问题讨论】：

@Drise，这是因为我们越来越多地获得“功能用户”——既不是专业的也不是狂热的程序员。更多的人只想把事情做好。 Python 因其简单的语法而受到更多关注。
很抱歉，我认为人们不想看到我失败的尝试，因此会编辑帖子。

标签： python pandas

【解决方案1】：

IIUC：

df.groupby('col1')['col2'].apply(lambda x: x.value_counts().head(1))

输出：

col1          
eugene  banana    2
maria   apple     3
Name: col2, dtype: int64

【讨论】：

【解决方案2】：

mode 来自scipy

from scipy import stats

df.groupby('col1').col2.apply(stats.mode)
Out[530]: 
col1
eugene    ([banana], [2])
maria      ([apple], [3])
Name: col2, dtype: object

【讨论】：

【解决方案3】：

首先在您的col1 上使用groupby()，使用value_counts() 获取频率，然后使用sort_values() 函数按降序对值进行排序

a = pd.DataFrame({"col1": ["maria","eugene","eugene","maria","maria","eugene","maria"],
          "col2": ["apple", "apple","banana","apple","pear","banana","apple"]})  
a.groupby(["col1"])["col2"].value_counts().sort_values(ascending=False)

【讨论】：