我有一个数据框，我想知道给定列有多少次出现频率最高的值。
我尝试通过以下方式进行：
items_counts = df['item'].value_counts()
max_item = items_counts.max()
结果我得到：
ValueError: cannot convert float NaN to integer
据我了解，在第一行中，我得到系列，其中列中的值用作键，这些值的频率用作值。所以，我只需要找到系列中的最大值，由于某种原因，它不起作用。有谁知道如何解决这个问题？
【问题讨论】：
na 吗？如果是这样，您应该使用 dropna 或 fillna 摆脱它们。
标签： python pandas counter frequency series
计算频率时省略了 NaN 值。 Please check your code functionality here 但是您可以使用下面的代码来实现相同的功能。
**>> Code:**
# Importing required module
from collections import Counter
# Creating a dataframe
df = pd.DataFrame({ 'A':["jan","jan","jan","mar","mar","feb","jan","dec",
"mar","jan","dec"] })
# Creating a counter object
count = Counter(df['A'])
# Calling a method of Counter object(count)
count.most_common(3)
**>> Output:**
[('jan', 5), ('mar', 3), ('dec', 2)]
【讨论】：
添加这行代码来查找最频繁的值
df["item"].value_counts().nlargest(n=1).values[0]
【讨论】：
只需取您items_counts 系列的第一行：
top = items_counts.head(1) # or items_counts.iloc[[0]]
value, count = top.index[0], top.iat[0]
这是因为pd.Series.value_counts 默认有sort=True，所以已经按计数排序，最高计数在前。按位置从索引中提取值的复杂度为 O(1)，而 pd.Series.idxmax 的复杂度为 O(n)，其中 n 是类别数。
仍然可以指定sort=False，然后推荐idxmax：
items_counts = df['item'].value_counts(sort=False)
top = items_counts.loc[[items_counts.idxmax()]]
value, count = top.index[0], top.iat[0]
请注意，在这种情况下，您无需分别调用 max 和 idxmax，只需通过 idxmax 提取索引并馈送到基于标签的 loc 索引器即可。
【讨论】：
要继续 @jonathanrocher 回答，您可以在 pandas DataFrame 中使用 mode。它会在行或列中给出最常见的值（一个或两个）：
import pandas as pd
import numpy as np
df = pd.DataFrame({"a": [1,2,2,4,2], "b": [np.nan, np.nan, np.nan, 3, 3]})
In [2]: df.mode()
Out[2]:
a b
0 2 3.0
【讨论】：
您也可以考虑使用忽略 NaN 的 scipy 的 mode 函数。使用它的解决方案可能如下所示：
from scipy.stats import mode
from numpy import nan
df = DataFrame({"a": [1,2,2,4,2], "b": [nan, nan, nan, 3, 3]})
print mode(df)
输出看起来像
(array([[ 2., 3.]]), array([[ 3., 2.]]))
表示最常见的值是第一列的2 和第二列的3，频率分别为3 和2。
【讨论】：
您的列中可能有一些空值。您可以使用df = df.dropna(subset=['item']) 删除它们。然后df['item'].value_counts().max() 应该给你最大计数，df['item'].value_counts().idxmax() 应该给你最频繁的值。
【讨论】：
.fillna() 而不是.dropna()
df['item'].value_counts().nlargest(n=2).iloc[[2]]