python - 如何获取列中最频繁值的数量？

Question

我有一个数据框，我想知道给定列有多少次具有最频繁的值。

我尝试通过以下方式做到这一点：

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，第一行我得到系列，其中列中的值用作键，这些值的频率用作值。所以，我只需要找到系列中的最大值，由于某种原因，它不起作用。有谁知道如何解决这个问题？

Answer 1

看起来您的列中可能有一些空值。你可以用df = df.dropna(subset=['item']). 然后df['item'].value_counts().max()应该给你最大计数，并且df['item'].value_counts().idxmax()应该给你最频繁的值。

Answer 2

要继续@jonathanrocher 的回答，您可以mode在 pandas DataFrame 中使用。它将在行或列中给出最常见的值（一个或两个）：

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

Answer 3

您也可以考虑使用mode忽略 NaN 的 scipy 函数。使用它的解决方案可能如下所示：

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)

输出看起来像

(array([[ 2.,  3.]]), array([[ 3.,  2.]]))

这意味着最常见的值是2第一列和3第二列，分别是频率3和2。

Answer 4

只需获取items_counts系列的第一行：

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

这是有效的，因为默认情况下pd.Series.value_countshas已经按计数排序，最高计数优先。按位置从索引中提取值具有 O(1) 复杂度，而具有 O( n ) 复杂度，其中n是类别数。sort=Truepd.Series.idxmax

sort=False仍然可以指定，然后idxmax建议：

items_counts = df['item'].value_counts(sort=False)
top = items_counts.loc[[items_counts.idxmax()]]
value, count = top.index[0], top.iat[0]

请注意，在这种情况下，您不需要单独调用maxand idxmax，只需通过提取索引idxmax并将其提供给loc基于标签的索引器即可。

Answer 5

计算频率时省略了 NaN 值。 请在此处检查您的代码功能 但您可以使用以下代码实现相同的功能。

**>> Code:**
    # Importing required module
    from collections import Counter

    # Creating a dataframe
    df = pd.DataFrame({ 'A':["jan","jan","jan","mar","mar","feb","jan","dec",
                             "mar","jan","dec"]  }) 
    # Creating a counter object
    count = Counter(df['A'])
    # Calling a method of Counter object(count)
    count.most_common(3)

**>> Output:**

    [('jan', 5), ('mar', 3), ('dec', 2)]

Answer 6

添加这行代码以查找最频繁的值

df["item"].value_counts().nlargest(n=1).values[0]