熊貓-在MultiIndex DataFrame中使用最頻繁的值進行堆疊

Question

我有這個樣本DataFrame df ：

GridCode,User,DLang
3,224591119,es
3,224591119,ja
3,224591119,zh
4,224591119,es
6,146381773,en
9,17925282,ca

我想對User字段進行分組，僅保留最頻繁的DLang代碼，然后對每個GridCode的User數量進行GridCode和計數。 到目前為止，我做到了：

d = df.groupby(['GridCode','DLang']).size().unstack().fillna(0)

正確返回：

DLang     ca  en  es  ja  zh
GridCode                    
3          0   0   1   1   1
4          0   0   1   0   0
6          0   1   0   0   0
9          1   0   0   0   0

但是，正如您在df看到的那樣，某些用戶具有多個DLang條目（例如，用戶224591119），但是我只想計算他們最頻繁的DLang代碼（例如，對於該用戶，它是es ）。 結果數據框將是：

DLang     ca  en  es
GridCode                    
3          0   0   1
4          0   0   1
6          0   1   0
9          1   0   0

Answer 1

首先，計算特定DLang發生次數，取平均值為GridCode 。

g = df.groupby(['User','DLang']).count().reset_index()
g = g.rename(columns={'GridCode':'occurrences'})

然后，使用first()函數查找每個用戶的最頻繁/最大出現次數。

h = g.groupby('User').first().reset_index()

僅將最頻繁/最大出現次數df與原始輸入合並。 這將刪除用戶使用DLang而不是最頻繁的行

j = pd.merge(df,h, on=['User','DLang'])

最后，對所有用戶進行平均，以得出最終結果。

final_df = j.groupby(['GridCode','DLang']).size().unstack().fillna(0)

DLang     ca  en  es
GridCode            
3          0   0   1
4          0   0   1
6          0   1   0
9          1   0   0