如何查找列的最常见值是否出现超过 X% 次？答案

【问题标题】：How to find if the most common value of a column appears more than X% times?如何查找列的最常见值是否出现超过 X% 次？
【发布时间】：2020-11-08 00:12:31
【问题描述】：

考虑以下数据框：

  ID   Column
0 500  2
1 500  2
2 500  2
3 500  2
4 500  2
5 500  4

我们如何查看 'Column' 的最常见值是否出现超过 X% 的次数？

我试过这样做：df.locate[df.groupby('ID')['Column'].count_values(normalize=True).max() > X]，但我得到一个错误。

【问题讨论】：

标签： pandas

【解决方案1】：

我认为您所拥有的已接近解决方案。我不太清楚，如果你想在整个列或每个组上计算这个，所以这里有一个解决方案。您可以更改变量at_least_this_proportion，以更改最小阈值：

import pandas as pd
from io import StringIO

text = """
  ID   Column
0 500  2
1 500  2
2 500  2
3 500  2
4 500  2
5 500  4
6 501  2
7 501  2
"""

df = pd.read_csv(StringIO(text), header=0, sep='\s+')

# set minimum threshold
at_least_this_proportion = 0.5

按组计算：

# find the value that occurs at least 50% within its group
value_counts_per_group = df.groupby('ID')['Column'].value_counts(normalize=True)
ids_that_meet_threshold = value_counts_per_group[value_counts_per_group > at_least_this_proportion].index.get_level_values(0)

# get all rows for which the id meets the threshold
df[df['ID'].isin(ids_that_meet_threshold)]

【讨论】：

我没有正确澄清。我想要第二个（即每组）。感谢您提供两者！但是，我希望输出是 ID 满足条件的所有行。在您给出的示例中，所有行都满足此条件。也就是说，即使是第 5 行 (500 4) 也会是 True 并因此返回。
好的，改变解决方案：找到满足阈值的 id 并获取这些 id 的所有行