Pandas：找到每个人最常见的字符串

Question

在按id聚合数据时，我希望找到animal中出现最频繁的字符串值。如果计数相同，则选择animal的最后一个值。

   id   animal       date
0   1    dog      2018-01-01
1   1    dog      2018-01-02
2   1    cat      2018-01-03
3   2    cat      2018-01-01
4   3    dog      2018-01-01
5   4   fish      2018-01-01
6   5    dog      2018-01-01
7   5    cat      2018-01-02

输出应该类似于：

   id animal
0  1   dog
1  2   cat
2  3   dog
3  4   fish
4  5   cat

我还不能成功地实现这个。我尝试使用 pd.get_dummies 和计算，但没有看起来那样。理想情况下，解决方案将使用内置的、向量化的 pandas/numpy，即过滤、连接、np.where 等，因为 groupby.apply 非常慢，而数据有点大。

- Auren Ferguson

Answer 1

你可以定义自己的规则并使用aggregate进行聚合。

from collections import Counter
def rule(a):
    m = Counter(a)
    max_val = sorted(m.values())[-1]
    return max(a) if m.values().count(max_val) == 1 else a.tail(1).item()

df.groupby("id").aggregate(rule)

---

输出：

   animal
id  
1   dog
2   cat
3   dog
4   fish
5   cat

- rafaelc

Answer 2

按照 id 和 animal 列进行分组，并获取它们出现的 count 和 last 日期。

然后按照 id、count 和 last 对结果数据框进行排序，并在 id 上删除重复值，保留最后一行。由于我们的排序方式，这将给出最常见的动物，如果有两种动物，则为表中最后观察到的动物。最后，摆脱多余的列 count 和 last。

columns = ['id', 'animal']

df2 = df.groupby(columns).date.agg(['count', 'last']).reset_index()
df3 = df2.sort_values(['id', 'count', 'last'])
df3.drop_duplicates('id', keep='last')[columns]

# outputs:

   id animal
1   1    dog
2   2    cat
3   3    dog
4   4   fish
5   5    cat

- Haleemur Ali

---

这是最好的解决方案！ - Auren Ferguson