Pandas：返回每个组中最常见值的出现次数（可能不需要使用apply函数）

Question

假设输入数据集：

test1 = [[0,7,50], [0,3,51], [0,3,45], [1,5,50],[1,0,50],[2,6,50]]
df_test = pd.DataFrame(test1, columns=['A','B','C'])

对应于：

    A   B   C
0   0   7   50
1   0   3   51
2   0   3   45
3   1   5   50
4   1   0   50
5   2   6   50

我想获得按'A'分组的数据集，以及每个组中'B'最常见的值和该值的出现次数：

A   most_freq freq
0   3          2
1   5          1
2   6          1

我可以使用以下方法获取前两列:

grouped = df_test.groupby("A")
out_df = pd.DataFrame(index=grouped.groups.keys())
out_df['most_freq'] = df_test.groupby('A')['B'].apply(lambda x: x.value_counts().idxmax())

但是我在最后一列遇到了问题。 另外：有没有更快的方法，不需要使用“apply”？这种解决方案在处理更大的输入时不具有可扩展性（我也尝试过dask）。

非常感谢！

- Luca Perniè

Answer 1

使用默认排序的 SeriesGroupBy.value_counts，然后在 Series.reset_index 后添加 DataFrame.drop_duplicates 以获取顶部值。

df = (df_test.groupby('A')['B']
             .value_counts()
             .rename_axis(['A','most_freq'])
             .reset_index(name='freq')
             .drop_duplicates('A'))
print (df)
   A  most_freq  freq
0  0          3     2
2  1          0     1
4  2          6     1

- jezrael