Pandas 获取列的最频繁值

Question

我有这个数据框：

0 name data
1 alex asd
2 helen sdd
3 alex dss
4 helen sdsd
5 john sdadd

所以我试图获得最常见的值或值（在这种情况下是它的值）所以我要做的是：

dataframe['name'].value_counts().idxmax()

但它只返回值： Alex ，即使它Helen也出现了两次。

Answer 1

通过使用mode

df.name.mode()
Out[712]: 
0     alex
1    helen
dtype: object

Answer 2

要获得n最频繁的值，只需使用.value_counts()子集并获取索引：

# get top 10 most frequent names
n = 10
dataframe['name'].value_counts()[:n].index.tolist()

Answer 3

你可以像这样尝试argmax ：

dataframe['name'].value_counts().argmax() Out[13]: 'alex'

该value_counts将返回的计数对象pandas.core.series.Series和argmax可用于实现最大价值的关键。

Answer 4

df['name'].value_counts()[:5].sort_values(ascending=False)

value_counts将返回pandas.core.series.Series的计数对象，而sort_values(ascending=False)将首先获得最高值。

Answer 5

您可以使用它来获得完美计数，它计算特定列的模式

df['name'].value_counts()

Answer 6

这是一种方法：

df['name'].value_counts()[df['name'].value_counts() == df['name'].value_counts().max()]

打印：

helen    2
alex     2
Name: name, dtype: int64

Answer 7

不明显，但很快

f, u = pd.factorize(df.name.values)
counts = np.bincount(f)
u[counts == counts.max()]

array(['alex', 'helen'], dtype=object)

Answer 8

获得前 5 名：

dataframe['name'].value_counts()[0:5]

Answer 9

用：

df['name'].mode()

或者

df['name'].value_counts().idxmax()

Answer 10

您可以使用 .apply 和 pd.value_counts 来计算名称列中所有名称的出现次数。

dataframe['name'].apply(pd.value_counts)

Answer 11

要获得前五个最常见的名称：

dataframe['name'].value_counts().head()

Answer 12

我获得第一个的最佳解决方案是

 df['my_column'].value_counts().sort_values(ascending=False).argmax()

Answer 13

简单地使用这个..

dataframe['name'].value_counts().nlargest(n)

频率最大和最小的函数是：

• nlargest()用于最频繁的 'n' 值
• nsmallest()用于最不频繁的“n”值

Answer 14

我有一个类似的问题，最好最紧凑的答案让我们说前 n（默认为 5）最常见的值是：

df["column_name"].value_counts().head(n)

Answer 15

确定前 5 个，例如，使用 value_counts

top5 = df['column'].value_counts()

列出“top_5”的内容

top5[:5]

Answer 16

n 用于获取最频繁使用的项目的数量

n = 2

a=dataframe['name'].value_counts()[:n].index.tolist()

dataframe["name"].value_counts()[a]

Answer 17

获得前 5 名最常见的姓氏熊猫：

df['name'].apply(lambda name: name.split()[-1]).value_counts()[:5]

Answer 18

它将给出前五个最常见的名称：

df['name'].value_counts().nlargest(5)