4

我有一个带有 2 列的 pandas 数据框（下面的代码段）。我正在尝试使用 City 列来推断自治市镇（您会注意到一些需要替换的未指定值）。为此，我试图为每个城市显示出现次数最多的自治市镇并输出到字典，其中键是城市，值是该城市出现次数最多的自治市镇。

City        Borough

Brooklyn    Brooklyn
Astoria     Queens
Astoria     Unspecified
Ridgewood   Unspecified
Ridgewood   Queens

因此，如果发现 Ridgewood 与皇后区配对 100 次、布鲁克林区 4 次和曼哈顿区 1 次，则该配对将是 Ridgewood : Queens。

到目前为止，我已经尝试过这段代码：

specified = data[['Borough','City']][data['Borough']!= 'Unspecified']
paired = specified.Borough.groupby(specified.City).max()

乍一看，这似乎是正确的输出，但仔细检查后，输出根本不正确。有任何想法吗？

编辑：

尝试了以下建议：paired = specified.groupby('City').agg(lambda x: stats.mode(x['Borough'])[0])

我注意到一些自治市镇被截断，如下所示：

paired.Borough.value_counts()

#[Out]# QUEENS           58
#[Out]# MANHATTAN         7
#[Out]# STATEN ISLAND     4
#[Out]# BRONX             4
#[Out]# BROOKLYN          3
#[Out]# MANHATTA          2
#[Out]# STATE             1
#[Out]# QUEEN             1
#[Out]# MANHA             1
#[Out]# BROOK             1

当然我可以手动替换截断的单词，但我很想知道原因是什么？

PS - 这是 DF 指定 FYI 的输出：

specified
#[Out]# <class 'pandas.core.frame.DataFrame'>
#[Out]# Int64Index: 719644 entries, 1 to 396225
#[Out]# Data columns:
#[Out]# Borough    719644  non-null values
#[Out]# City       651617  non-null values
#[Out]# dtypes: object(2)

specified.Borough.value_counts()
#[Out]# QUEENS           215382
#[Out]# BROOKLYN         208565
#[Out]# MANHATTAN        150016
#[Out]# BRONX             94648
#[Out]# STATEN ISLAND     51033
4

1 回答 1

7

我相信这会做到：

from scipy import stats
d.groupby('City').agg(lambda x: stats.mode(x['Borough'])[0])

这为您提供了一个 DataFrame，其中 City 为索引，并且 Borough 列中最常见的自治市镇：

>>> d
         City      Borough
0    Brooklyn     Brooklyn
1     Astoria       Queens
2     Astoria       Queens
3     Astoria     Brooklyn
4     Astoria  Unspecified
5   Ridgewood  Unspecified
6   Ridgewood       Queens
7   Ridgewood       Queens
8   Ridgewood     Brooklyn
9   Ridgewood     Brooklyn
10  Ridgewood     Brooklyn
>>> d.groupby('City').agg(lambda x: stats.mode(x['Borough'])[0])
             Borough
City               
Astoria      Queens
Brooklyn   Brooklyn
Ridgewood  Brooklyn

（如果您没有安装 scipy，则必须创建自己的“模式”功能，我想您可以使用collections.Counter. 但如果您使用的是 pandas，那么您也可以使用 Scipy。）

于 2012-11-19T02:25:26.653 回答