比较每一行的数据框列中的元素 - Python

Question

我有一个非常大的数据框（数以千计的行），但我们假设它是这样的：

   A  B  C  D  E  F
0  2  5  2  2  2  2
1  5  2  5  5  5  5
2  5  2  5  2  5  5
3  2  2  2  2  2  2
4  5  5  5  5  5  5

我需要查看每行的一组列中出现频率最高的值。例如，在每行的 ABC 列和 DEF 列中出现频率最高的值，并将它们放在另一列中。在这个例子中，我的预期输出是

ABC  DEF  
 2    2     
 5    5     
 5    5     
 2    2     
 5    5     

如何在 Python 中做到这一点？？？ 谢谢！！

Answer 1

这是使用列groupby 的一种方法

mapperd={'A':'ABC','B':'ABC','C':'ABC','D':'DEF','E':'DEF','F':'DEF'}
df.groupby(mapperd,axis=1).agg(lambda x : x.mode()[0])
Out[826]: 
   ABC  DEF
0    2    2
1    5    5
2    5    5
3    2    2
4    5    5

Answer 2

为了获得良好的性能，您可以使用底层的 numpy 数组，并使用 scipy.stats.mode 来计算 模式：

from scipy import stats
cols = ['ABC','DEF']
a = df.values.reshape(-1, df.shape[1]//2)
pd.DataFrame(stats.mode(a, axis=1).mode.reshape(-1,2), columns=cols)

    ABC  DEF
0    2    2
1    5    5
2    5    5
3    2    2
4    5    5

Answer 3

您尝试使用列标题索引过滤：

grp = ['ABC','DEF']
pd.concat([df.loc[:,[*g]].mode(1).set_axis([g], axis=1, inplace=False) for g in grp], axis=1)

输出：

   ABC  DEF
0    2    2
1    5    5
2    5    5
3    2    2
4    5    5