2

我有一个看起来像这样的 DataFrame:

import pandas as pd
df = pd.DataFrame({'A':['a','b','c','d'],'B':['a','b','c','x'],'C':['y','b','c','d']})
df

   A  B  C
0  a  a  y
1  b  b  b
2  c  c  c
3  d  x  d

我想确定每一行中最常见的字符,并计算与共识的差异数量:

       A  B  C Consensus
    0  a  a  y         a
    1  b  b  b         b
    2  c  c  c         c
    3  d  x  d         d
Total  0  1  1         0

通过循环运行是一种方法,但它似乎效率低下:

consensus = []
for idx in df.index:
    consensus.append(df.loc[idx].value_counts().index[0])
df['Consensus'] = consensus

(等等)

有没有一种直接的方法来获得共识并计算其中的差异?

4

1 回答 1

4

您可以使用mode来获得共识值:

>>> df.mode(axis=1)
   0
0  a
1  b
2  c
3  d

请注意文档中的警告:

获取沿所选轴的每个元素的模式。如果没有出现 2 次以上,则为空。为每个标签的每个模式添加一行,用 nan 填充空白。

请注意,可能会为所选轴返回多个值(当多个项目共享最大频率时),这就是返回数据帧的原因。如果您想用数据帧 df 中的模式估算缺失值,您可以这样做: df.fillna(df.mode().iloc[0])

要计算每列与共识的差异,您可以进行比较ne然后求和:

>>> df['consensus'] = df.mode(axis=1)
>>> df.loc[:, 'A':'C'].ne(df['consensus'], axis=0).sum(axis=0)
A    0
B    1
C    1
dtype: int64
于 2016-03-18T17:04:08.080 回答