使用 groupby 获取每组的最大模式

Question

我生成了一个表格，其中显示了我的数据集的众数值。 数据集最初按“日期”、“小时”和“房间”分组，以便能够获得人流量的众数值。 groupby的执行如下：

dataframe = df.groupby([df['date'], df['hour'], df['room']])

然后我通过以下方式为每个组的“流量”生成模式值：

dataframe = dataframe['traffic'].apply(lambda x: x.mode())

因此，我的数据框显示了正确的组，并显示了每个房间、每小时和每天的模态值。 我的问题是，在某些情况下，模态值的数量不止一个（因为 2 或 3 个值具有相同数量的观察值）

当前数据框如下所示：

                            mode
date    hour    room        
6       12      room1   0   15  
                room2   0   23   
                        1   26  
                room3   0   1  
                        1   2
        13      room2   0   9
                        1   11
                room2   0   15

如上所示，对于 1 月 6 日 12:00 的房间 2，有 2 个模态值（23 和 26）。
我的问题是，理想情况下，我会从有超过 1 个观察值的每个组中删除最低的“模式”值。

我已经研究了几种方法，但无法使其发挥作用。 我在想以下方法会起作用：

dataframe.apply(lambda x: x[dataframe['mode'] == dataframe['mode'].max()])

然后我会删除重复项，但这不会影响数据框..

或

dataframe.filter(lambda x : x[dataframe['mode'] == dataframe['mode'].max()], dataframe['mode'])

这给了我一个“'函数'对象不可迭代”错误
或

for elem in range(0, dataframe.size -1):      #to iterate over the daaframe rows
    if elem != dataframe['mode'].max():       #to identify rows that aren't max mode value
        dataframe = dataframe.drop([elem])    #to drop these rows

要回答康纳的请求，请参阅下面的原始 csv 数据（名为“df”的数据框）：

        room    time                 capacity   areaName    hour    date    traffic 
    0   room1   Mon Nov 02 09:00:00  40         area01      9       2       14
    1   room1   Mon Nov 02 09:05:00  40         area01      9       2       15
    2   room1   Mon Nov 02 09:10:00  80         area01      9       2       23  
    3   room1   Mon Nov 02 09:15:00  80         area01      9       2       23  
...
    14  room2   Mon Nov 02 11:00:00  40         area03      11      2       67  
    15  room2   Mon Nov 02 11:50:00  80         area03      11      2       64
    16  room2   Mon Nov 02 11:10:00  40         area03      11      2       72  

如果有人知道通过每个组的方法，并且只有在有多个组时才保持最大模式值，我将不胜感激。

感谢您的宝贵时间！

-罗曼

Answer 1

我一直在寻找这样的东西。仅供参考，您可以通过df.head(n=10).to_csv(path, index=False) 获得此信息

room,time,capacity,areaName,hour,date,traffic 
room1,Mon Nov 02 09:00:00,40,area01,9,2,14
room1,Mon Nov 02 09:05:00,40,area01,9,2,15
room1,Mon Nov 02 09:10:00,80,area01,9,2,23  
room1,Mon Nov 02 09:15:00,80,area01,9,2,23  
room2,Mon Nov 02 11:00:00,40,area03,11,2,67  
room2,Mon Nov 02 11:50:00,80,area03,11,2,64
room2,Mon Nov 02 11:10:00,40,area03,11,2,72 

（下面我使用等效代码更简洁）

这会给你一个groupby 对象

df = df.groupby(['date', 'hour', 'room'])

事实证明，与mean、max、median、min 和mad不同，GroupBy 对象没有 mode 方法！

完成此操作后

df = dataframe['traffic'].apply(lambda x: x.mode())

您可以重置索引并重新组合以对每个组应用 max：

df = df.reset_index()
df = df.groupby(['date', 'hour', 'room']).max()