如何获取一列中最频繁出现的值？

Question

我有一个数据框，我想知道给定列具有最频繁值的次数。

我尝试通过以下方式进行操作：

items_counts = df['item'].value_counts()
max_item = items_counts.max()

结果我得到：

ValueError: cannot convert float NaN to integer

据我了解，在第一行中，我得到了一系列，其中列中的值用作键，而这些值的频率用作值。因此，我只需要在系列中找到最大的值，由于某种原因，它不起作用。有人知道如何解决这个问题吗？

Answer 1

似乎您在该列中可能有一些空值。您可以使用df = df.dropna(subset=['item'])删除它们。然后，df['item'].value_counts().max()应该为您提供最大计数，df['item'].value_counts().idxmax()应该为您提供最频繁的值。

Answer 2

要继续@jonathanrocher回答，您可以在pandas DataFrame中使用mode。它将在行或列中提供最频繁的值（一个或两个）：

mode

Answer 3

[您也可以考虑使用scipy的

import pandas as pd
import numpy as np
df = pd.DataFrame({"a": [1,2,2,4,2], "b": [np.nan, np.nan, np.nan, 3, 3]})

In [2]: df.mode()
Out[2]: 
   a    b
0  2  3.0

函数，该函数忽略NaN。使用它的解决方案可能看起来像：

mode

输出看起来像

from scipy.stats import mode
from numpy import nan
df = DataFrame({"a": [1,2,2,4,2], "b": [nan, nan, nan, 3, 3]})
print mode(df)

表示最常见的值是第一列的(array([[ 2., 3.]]), array([[ 3., 2.]])) 和第二列的2，分别是频率3和3。

Answer 4

只需使用2系列的第一行：

items_counts

这是有效的，因为默认情况下

top = items_counts.head(1)  # or items_counts.iloc[[0]]
value, count = top.index[0], top.iat[0]

的值为pd.Series.value_counts，所以按计数<>，首先是最高计数。按位置从索引中提取值的复杂度为O（1），而pd.Series.value_counts的复杂度为O（n），其中n是类别数。仍然可以指定sort=True，然后建议pd.Series.idxmax：

pd.Series.idxmax

在这种情况下，请注意，您不需要分别调用sort=False和idxmax，只需通过items_counts = df['item'].value_counts(sort=False)
top = items_counts.loc[[items_counts.idxmax()]]
value, count = top.index[0], top.iat[0]
提取索引，并将其输入基于标签的max索引器即可。

Answer 5

添加此行代码以查找最频繁的值

Answer 6

>>代码：