Pandas 刪除一列中的重復項，只保留另一列中具有最頻繁值的行

Question

我有一個 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
.
.
.

我想根據“ip_address”列刪除重復行，但是當刪除發生時，我只想保留每個 IP 中最常見的“malware_type”值。因此生成的 dataframe 應該如下所示：

ip_address    malware_type
ip_1          malware_1
ip_2          malware_2
.
.
.

我真的很感激任何有助於實現上述目標的幫助。 謝謝。

Answer 1

讓我們試試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

我有一個 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
.
.
.

我想根據“ip_address”列刪除重復的行，但是當刪除發生時，我只想保留每個 IP 最常見的“malware_type”值。 所以生成的 dataframe 應該如下所示：

ip_address    malware_type
ip_1          malware_1
ip_2          malware_2
.
.
.

我真的很感激任何幫助來實現上述目標。 謝謝。

Answer 3

您可以將GroupBy.agg與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

您可以在此處使用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

另一種是使用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