Pandas 删除一列中的重复项，只保留另一列中具有最频繁值的行

Question

我有一个 dataframe，如下所示：

ip_address    malware_type
ip_1          malware_1
ip_2          malware_2
ip_1          malware_1
ip_1          malware_1
ip_1          malware_2
ip_2          malware_2
ip_2          malware_3
.
.
.

我想根据“ip_address”列删除重复行，但是当删除发生时，我只想保留每个 IP 中最常见的“malware_type”值。因此生成的 dataframe 应该如下所示：

ip_address    malware_type
ip_1          malware_1
ip_2          malware_2
.
.
.

我真的很感激任何有助于实现上述目标的帮助。 谢谢。

Answer 1

让我们试试mode

s=df.groupby('ip_address').malware_type.agg(lambda x : x.mode()[0]) # .reset_index()
Out[56]: 
ip_address
ip_1    malware_1
ip_2    malware_2
Name: malware_type, dtype: object

Answer 2

我有一个 dataframe，如下所示：

ip_address    malware_type
ip_1          malware_1
ip_2          malware_2
ip_1          malware_1
ip_1          malware_1
ip_1          malware_2
ip_2          malware_2
ip_2          malware_3
.
.
.

我想根据“ip_address”列删除重复的行，但是当删除发生时，我只想保留每个 IP 最常见的“malware_type”值。 所以生成的 dataframe 应该如下所示：

ip_address    malware_type
ip_1          malware_1
ip_2          malware_2
.
.
.

我真的很感激任何帮助来实现上述目标。 谢谢。

Answer 3

您可以将GroupBy.agg与pd.Series.mode一起使用

df.groupby('ip_address').malware_type.agg(pd.Series.mode)

ip_address
ip_1    malware_1
ip_2    malware_2
Name: malware_type, dtype: object

您可以在此处使用scipy.stats.mode 。

from scipy.stats import mode
df.groupby('ip_address').malware_type.agg(lambda x: mode(x).mode)

ip_address
ip_1    malware_1
ip_2    malware_2
Name: malware_type, dtype: object

另一种是使用collection.Counter的most_common方法。

def md(s):
    c = Counter(s)
    return c.most_common(1)[0][0]

df.groupby('ip_address').malware_type.agg(md)

ip_address
ip_1    malware_1
ip_2    malware_2
Name: malware_type, dtype: object