pandas groupby 并找到最常见的值（模式）答案

【问题标题】：pandas groupby and find most frequent value (mode)pandas groupby 并找到最常见的值（模式）
【发布时间】：2021-12-22 09:22:19
【问题描述】：

我有一个看起来像这样的数据框

user_id product_id  created_at
    1   100         2019-04-21 20:20:00
    1   100         2019-04-23 00:10:00
    1   200         2019-05-24 10:00:00
    1   200         2020-06-24 10:10:24
    2   100         2019-01-22 21:10:00
    2   200         2019-04-25 20:23:30
    2   300         2021-01-21 10:20:00
    3   400         2019-12-21 10:20:00
    3   400         2021-04-21 10:20:00

我正在尝试为每个user_id 找到购买最多的product_id。我知道我可以使用 groupby 和 value_counts 或 pd.Series.mode 来获得这个。像这样：

df.groupby(['user_id'])['product_id',].apply(lambda x: x.value_counts().index[0]).reset_index()

这工作正常，直到我达到一个 user_id 有两个或更多 product_id 具有相同的计数（如在示例数据帧中）。发生这种情况时，理想情况下我想选择具有最新created_at 的product_id。所以例如。对于user_id 1，我想选择product_id 200，因为它是最近购买的。

实现这一目标的最佳方式是什么？

【问题讨论】：

标签： python python-3.x pandas dataframe numpy

【解决方案1】：

您可以在日期上同时计算 count 和 max，然后对这些值进行排序并删除重复项（或使用 groupby().head()）：

s = df.groupby(['user_id','product_id'])['created_at'].agg(['count','max'])
s.sort_values(['count','max'], ascending=False).groupby('user_id').head(1)

输出：

                    count                  max
user_id product_id                            
3       400             2  2021-04-21 10:20:00
1       200             2  2020-06-24 10:10:24
2       300             1  2021-01-21 10:20:00

【讨论】：

【解决方案2】：

df.\
sort_values("created_at", ascending=False).\
groupby(["user_id", "product_id"], sort=False, as_index=False).\
count().\
groupby("user_id", as_index=False).\
head(1)

#   user_id  product_id  created_at
# 0       1         200           2
# 1       2         300           1
# 2       3         400           2

【讨论】：