Pandas：对于groupby value_counts，返回最大计数的行

Question

我希望做的事情跟这个问题几乎一样。

然而，@jezrael在被接受的答案中的方法基于我的数据集花费时间太长 —— 原始数据框中有约300k行数据，并且运行nlargest(1)命令需要几分钟时间。此外，我已经在一个限制了head(1000)的数据框上尝试过，但没有得到每个value_count内只有1行的结果 —— 我得到的是完全相同的系列作为value_counts。

用我自己的话来说：基本上，我的数据集有两列，就像这样：

Session Rating
A       Positive
A       Positive
A       Positive
A       Negative
B       Negative
B       Negative
C       Positive
C       Negative

使用 counts = df.groupby('Session')['Rating'].value_counts()，我得到了一个如下所示的 Series 对象：

Session Rating
A       Positive  3
        Negative  1
B       Negative  2
C       Positive  1
        Negative  1

如何获得一个数据框（dataframe），其中只包含评分（Rating）最大值的那一行？当存在多个最大值时（例如C），我希望从返回的表格中排除它。

- manestay

---

请查看以下链接以获得更快的方法（在这里使用numpy比pandas更好）：https://dev59.com/MlwY5IYBdhLWcg3w0Kgs#32192310 - n1tk

@0709 我尝试了接受的答案，使用了他生成的相同数据集，但是结果并不相同——由于某种原因，形状等于k。 - manestay

Answer 1

我认为您想要的是这样的内容。

df.groupby('Session')['Rating'].apply(lambda x: x.value_counts().head(1))

输出：

Session          
A        Positive    3
B        Negative    2
C        Negative    1
Name: Rating, dtype: int64

- Scott Boston

---

有没有其他方法可以不使用apply呢？我面临着相同的问题，需要处理100万行数据... - Xavier Bourret Sicotte

尝试这个：df.groupby('Session')['Rating'].value_counts().groupby(level=0).head(1) @XavierBourretSicotte - Scott Boston

@ScottBoston, 你能否解释一下 level=0 和 head(1) 是什么意思？ - Reihan_amn

@Reihan_amn Groupby level=0 是按照数据框的索引级别为0进行分组，如果是多级索引，则按照第一级别进行分组；如果不是，则只按照索引进行分组。head(1) 用于获取每个组的第一条记录。因此，在每个组中仅获取第一条记录。 - Scott Boston