在pandas DataFrame中查找並​​選擇最常用的列數據

Question

我有一個包含以下列的數據框：

file['DirViento']

Fecha
2011-01-01    ENE
2011-01-02    ENE
2011-01-03    ENE
2011-01-04    NNE 
2011-01-05    ENE
2011-01-06    ENE
2011-01-07    ENE
2011-01-08    ENE
2011-01-09    NNE
2011-01-10    ENE
2011-01-11    ENE
2011-01-12    ENE
2011-01-13    ESE
2011-01-14    ENE
2011-01-15    ENE
... 
2011-12-17    ENE
2011-12-18    ENE
2011-12-19    ENE
2011-12-20    ENE
2011-12-21    ENE
2011-12-22    ENE
2011-12-23    ENE
2011-12-24    ENE
2011-12-25    ENE
2011-12-26    ESE
2011-12-27    ENE
2011-12-28     NE
2011-12-29    ENE
2011-12-30    NNE
2011-12-31    ENE
Name: DirViento, Length: 290, dtype: object

該列每日記錄每個月的風向。 我正努力爭取每個月的主導方向。 要完成此操作，請選擇月內最常重復的數據：

file['DirViento'].groupby(lambda x: x.month).value_counts()


1   ENE    23
    NNE     6
    E       1
    ESE     1
2   ENE    21
    NNO     3
    NNE     2
    NE      1
3   ENE    21
    OSO     1
    ESE     1
    SSE     1
4   ENE    21
    NNE     2
    ESE     1
    NNO     1
6   ENE    15
    ESE     2
    SSE     2
    ONO     1
    E       1
7   ENE    22
    ONO     1
    OSO     1
    NE      1
    NNE     1
    NNO     1
8   ENE    23
    NNE     5
    NE      1
    ONO     1
    ESE     1
9   ENE    17
    NNE     7
    ONO     2
    NE      1
    E       1
    ESE     1
    NNO     1
10  ENE    16
    NNE     2
    ESE     2
    NNO     2
    ONO     1
    NE      1
    E       1
11  ENE    13
    NNE     2
    ESE     2
    ONO     1
12  ENE    26
    NNE     3
    NE      1
    ESE     1
Length: 54, dtype: int64

運行以下代碼行時

wind_moda=file['DirViento'].groupby(lambda x: x.month).agg(lambda x: stats.mode(x)[0][0])

應該得到這樣的東西

     1  ENE    
     2  ENE    
     3  ENE  
     4  ENE
     6  ENE
     7  ENE    
     8  ENE    
     9  ENE
    10  ENE  
    11  ENE
    12  ENE  

但我得到以下內容：

 1          E  
 2        ENE  
 3        ENE  
 4        ENE  
 6          E  
 7        ENE  
 8        ENE  
 9          E  
 10         E  
 11       ENE  
 12       ENE  

為什么12個月中有4個沒有考慮到最常見的數據？

難道我做錯了什么 ？

有沒有想過每月獲得最常見的數據？

Answer 1

Pandas 0.15.2有一個DataFrame.mode()方法。 它可能對我這樣尋找這個的人有用。

這是文檔 。

編輯：對於價值：

DataFrame.mode()[0]

Answer 2

這並不像（應該）那樣簡單。

您可能知道，最常見的值的統計術語是“模式”。 Numpy沒有內置功能，但scipy確實如此。 像這樣導入：

from scipy.stats.mstats import mode

它不僅僅是返回最常見的值， 正如您可以在文檔中閱讀的那樣 ，因此定義一個使用mode來獲取最常見值的函數很方便。

f = lambda x: mode(x, axis=None)[0]

現在，使用apply(f)代替value_counts() apply(f) 。 這是一個例子：

In [20]: DataFrame([1,1,2,2,2,3], index=[1,1,1,2,2,2]).groupby(level=0).apply(f)
Out[20]: 
1    1.0
2    2.0
dtype: object

更新： Scipy的mode不適用於字符串。 對於字符串數據，您需要定義更通用的模式函數。 這個答案可以解決問題 。

Answer 3

1. 對於整個數據幀，您可以使用：

    dataframe.mode() 

2. 對於特定列：

    dataframe.mode()['Column'][0] 

第二種情況在推算價值方面更有用。