如何在 pandas 中获得组中最受欢迎的项目？

Question

我有一个包含待售汽车的 Pandas 数据框，我想获得每个品牌最受欢迎的，但我似乎无法做到这一点。

我有一个带有一些列（例如：车辆类型、价格、里程、年份、品牌、型号等）的 pandas 数据框，对于每个汽车品牌，我想检查哪个型号出现最多。 我尝试过使用 groupby，如下所示：

popular_models = dataset.groupby('brand').model.value_counts().groupby(level=0).nlargest(1)

但它返回一个 Pandas 系列，其中我想要的一些数据存储在索引中，它还添加了一个重复的列，这对我来说没有任何意义。

我想要一个包含 3 列的 DataFrame，如下所示：

(https://imgur.com/a/BkKBrv9)

但是，我得到了一个这样的熊猫系列：

(https://imgur.com/a/u8CSXY4)

有人可以帮我解决这个问题吗？

Answer 1

你必须对你想要保留的两个对象进行分组，然后计算你想要查找出现的对象。这是示例输入文件：

Brand   Model
Acura   RDX
Acura   RDX
Acura   RDX
Acura   RDX
Acura   RDX
Acura   RDX
Acura   RDX
Acura   RDX
Acura   RDX
Acura   RDX
Beach   Baby
Beach   Baby
Beach   Baby
Beach   Baby
Beach   Baby
Beach   Baby
Beach   Baby
Beach   Baby
Beach   Baby
Beach   Baby
BMW     320i
BMW     320i
BMW     320i
BMW     320i
BMW     320i
BMW     320i
BMW     320i
BMW     550i
BMW     550i
BMW     550i
BMW     550i
BMW     550i
BMW     550i
BMW     550i
Cadillac        Escalade
Cadillac        Escalade
Cadillac        Escalade
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo
Chana   Cargo

简单的熊猫一班轮：

df = pd.read_table('fun.txt', header=0)
print(df.groupby(['Brand','Model'])['Model'].agg(['count']))

还有输出：

                   count
Brand    Model
Acura    RDX          10
BMW      320i          7
         550i          7
Beach    Baby         10
Cadillac Escalade      3
Chana    Cargo        12

如果您想按频率（从大到小）对值进行排序并只保留最大的值，请将单线更改为：

groupby_df = (df.groupby(['Brand','Model'])['Model'].agg(['count']).sort_values(by='count', ascending=False).reset_index().drop_duplicates('Brand', keep='first'))

得到：

      Brand     Model  count
0     Chana     Cargo     12
1     Acura       RDX     10
2     Beach      Baby     10
3       BMW      320i      7
5  Cadillac  Escalade      3

Answer 2

一种解决方案是在groupby 操作之后排序然后删除重复项：

df = pd.DataFrame({'Brand': ['B1'] * 5 + ['B2'] * 5,
                   'Model': ['M1', 'M2', 'M1', 'M2', 'M3',
                             'N1', 'N1', 'N2', 'N3', 'N1']})

df['Count'] = df.groupby(['Brand', 'Model'])['Model'].transform('count')

res = df.sort_values('Count', ascending=False)\
        .drop_duplicates('Brand')

print(res)

#   Brand Model  Count
# 5    B2    N1      3
# 0    B1    M1      2

请注意，这会删除重复的分组顶部计数。

Answer 3

这是一种方法。

1. 设置 DataFrameGroupBy 对象：

   df.groupby(["Brand", "Model"])

2. 使用 GroupBy size 函数计算每个子组的大小（作为系列返回）：

   df.groupby(["Brand", "Model"]).size()

3. 在命名包含由size 计算的值的列时转换回DataFrame：

   df.groupby(["Brand", "Model"]).size().reset_index(name="Count")

4. 按子组项的Count 对DataFrame 进行降序排序：

   df.groupby(["Brand", "Model"]).size().reset_index(name="Count").sort_values(by="Count", ascending=False)

5. 删除重复的 Brand 值，保留 DataFrame 中的第一个条目：

   df.groupby(["Brand", "Model"]).size().reset_index(name="Count").sort_values(by="Count", ascending=False).drop_duplicates("Brand", keep="first")