Python中多个帐户的多种模式答案

【问题标题】：Multiple modes for multiple accounts in PythonPython中多个帐户的多种模式
【发布时间】：2021-10-02 15:13:24
【问题描述】：

我有一个包含多个帐户的数据框，其中显示了不同模式的动物类别。如何识别具有多个模式的帐户？

例如，请注意账户 3 只有一种模式（即“狗”），但账户 1、2 和 4 有多种模式（即不止一种模式）。

test = pd.DataFrame({'account':[1,1,1,2,2,2,2,3,3,3,3,4,4,4,4],
             'category':['cat','dog','rabbit','cat','cat','dog','dog','dog','dog','dog','rabbit','rabbit','cat','cat','rabbit']})

我正在寻找的预期输出是这样的：

pd.DataFrame({'account':[1,2,4],'modes':[3,2,2]})

其次，我尝试为所有具有多种模式的帐户采用任何随机最高模式。我想出了以下代码，但是，这仅返回每个帐户的第一个（字母）模式。我的直觉告诉我可以在下面的iloc 括号内写一些东西，也许是一个介于 0 和模式总数之间的随机数组，但我无法完全做到。

test.groupby('account')['category'].agg(lambda x: x.mode(dropna=False).iloc[0])

有什么建议吗？非常感谢。

【问题讨论】：

给定数据框的预期输出是什么？
已更新，谢谢。
是选择随机模式还是真的是次要问题？
你删除了你的答案！我认为这是一个很好的。最终，我需要一个随机模式，因为我正在处理每次访问存在多个 ICD-10 代码，通常是相同类型（因此生成模式）。虽然它不是很常见（12% 的频率），但我想选择任何随机模式，而不是第一个字母模式，这样我的分类模型就不会偏向字母表的开头：p 那是很长的版本我的问题。感谢您的帮助！
@GabeVerzino 我未删除，但已删除，因为从措辞看来您想更多地关注确定哪些是重复的，我的回答并没有真正解决，但它确实成功返回一个随机模式，所以我会添加它，因为它很有用

标签： python pandas mode

【解决方案1】：

您可以为此使用 numpy.random.choice

test.groupby('account')['category'].agg(
    lambda x: np.random.choice(x.mode(dropna=False)))

【讨论】：

【解决方案2】：

不确定你想要什么，但你可以试试：

out=test.groupby('account')['category'].apply(lambda x: x.mode(dropna=False).values)

out的输出：

account
1    [cat, dog, rabbit]
2            [cat, dog]
3                 [dog]
4         [cat, rabbit]
Name: category, dtype: object

对于随机模式值：

from random import choice

out=test.groupby('account')['category'].agg(
    lambda x: choice(x.mode(dropna=False)))

out的输出（每次运行代码都会得到不同的输出）：

account
1    rabbit
2       dog
3       dog
4    rabbit
Name: category, dtype: object

对于您的预期输出用途：

out=test.groupby('account')['category'].apply(lambda x: x.mode(dropna=False).count()).reset_index()
out=out[out['category'].ne(1)]

out的输出：

account     category
0   1       3
1   2       2
3   4       2

【讨论】：

【解决方案3】：

因为在平局的情况下您只想要任意随机模式，您可以使用groupby + size。（本质上是与@abw333's solution 非常相似的包装器）。这很好，因为它避免了任何groupby.apply，而是使用了内置的 groupby.size，它很快。

我们在 groupby 中使用sort=False，因此生成的 Series 按组在原始 DataFrame 中出现的顺序排序。然后因为排序算法 'mergesort' 在 tie 的情况下是稳定的，这将确定性地返回在 tie 的情况下出现在 DataFrame 中的 first （前面的行）的模式。因此，如果您想获得 random 模式，您可以在应用此之前.sample(frac=1)，以便它打乱所有行，然后返回该模式。

def fast_mode(df, gp_cols, value_col):
    """ 
    Calculate the mode of a column, ignoring null values recognized by pandas. 

    If there is a tie for the mode, the modal value is the modal value that appears **first** in the
    DataFrame. 

    Parameters
    ----------
    df : pandas.DataFrame
        DataFrame over which to calcualate the mode. 
    gp_cols : list of str
        Columns to groupby for calculation of mode.
    value_col : str
        Column for which to calculate the mode. 

    Return
    ------ 
    pandas.DataFrame
        One row for the modal value per key_cols 
    """

    return ((df.groupby(gp_cols + [value_col], observed=True, sort=False).size() 
               .to_frame('mode_counts').reset_index() 
               .sort_values('mode_counts', ascending=False, kind='mergesort') 
               .drop_duplicates(subset=gp_cols))
             .reset_index(drop=True))

# Will always return the same one that occurs first in DataFrame
fast_mode(df, gp_cols=['account'], value_col='category')
#   account category  mode_counts
#0        3      dog            3
#1        2      cat            2
#2        4   rabbit            2
#3        1      cat            1

# Sampling allows you to select a "random one" in case of ties
fast_mode(df.sample(frac=1, random_state=12), gp_cols=['account'], value_col='category')
#   account category  mode_counts
#0        3      dog            3
#1        4      cat            2
#2        2      dog            2
#3        1      cat            1

【讨论】：