python - pandas:出现次数最多的列
问题描述
我有一张混合分类的单词表。我想让“常见类型”列具有最高出现(模式)分类标签,以便每一行都有一个标签。
word type common type
post | WORK_OF_ART | WORK_OF_ART
post | WORK_OF_ART | WORK_OF_ART
post | WORK_OF_ART | WORK_OF_ART
post | WORK_OF_ART | WORK_OF_ART
post | WORK_OF_ART | WORK_OF_ART
post | OTHER | WORK_OF_ART
post | WORK_OF_ART | WORK_OF_ART
post | WORK_OF_ART | WORK_OF_ART
post | OTHER | WORK_OF_ART
-----|--------------------------
sign | OTHER | OTHER
sign | WORK_OF_ART | OTHER
sign | OTHER | OTHER
sign | WORK_OF_ART | OTHER
sign | OTHER | OTHER
sign | OTHER | OTHER
sign | WORK_OF_ART | OTHER
我使用以下函数,但在 1m+ 行的数据帧上,运行时非常糟糕
def replace_most_common_type(frame, word):
common_type = frame[frame['word']==word]['type'].value_counts().idxmax()
frame.loc[frame['word']==word, 'type'] = common_type
unique_words = master_frame['word'].unique()
for idx, word in unique_words:
replace_most_common_type(master_frame, word)
内置的 pandas 方法往往是 numpy 矢量化的,因此任何使用本机 pandas 函数的解决方案都值得赞赏
解决方案
鉴于您的数据:
In [1]: df
Out[1]:
word type
0 post WORK_OF_ART
1 post WORK_OF_ART
2 post WORK_OF_ART
3 post WORK_OF_ART
4 post WORK_OF_ART
5 post OTHER
6 post WORK_OF_ART
7 post WORK_OF_ART
8 post OTHER
9 sign OTHER
10 sign WORK_OF_ART
11 sign OTHER
12 sign WORK_OF_ART
13 sign OTHER
14 sign OTHER
15 sign WORK_OF_ART
您可以按单词分组,然后使用 查找每个单词最常见的类型value_counts
,如this answer所示。请注意,您可以将“最常见”系列保存到一个变量中,然后重命名它,这样您的列名就不会发生冲突。
In [2]: s = df.groupby('word')['type'].agg(lambda x: x.value_counts().index[0])
...: s.name = 'common type'
...: df.merge(s, on='word')
Out[2]:
word type common type
0 post WORK_OF_ART WORK_OF_ART
1 post WORK_OF_ART WORK_OF_ART
2 post WORK_OF_ART WORK_OF_ART
3 post WORK_OF_ART WORK_OF_ART
4 post WORK_OF_ART WORK_OF_ART
5 post OTHER WORK_OF_ART
6 post WORK_OF_ART WORK_OF_ART
7 post WORK_OF_ART WORK_OF_ART
8 post OTHER WORK_OF_ART
9 sign OTHER OTHER
10 sign WORK_OF_ART OTHER
11 sign OTHER OTHER
12 sign WORK_OF_ART OTHER
13 sign OTHER OTHER
14 sign OTHER OTHER
15 sign WORK_OF_ART OTHER
推荐阅读
- java - 使用 java 语言的 Spark cassandra 连接应该使用哪些版本?
- google-apps-script - Chrome DevTools 不仅仅出现在 Google 表单页面上
- cordova - DataWedge 以编程方式设置选项列表
- amazon-web-services - 使用 Amazon-Lex 对意图进行评分/置信度
- .net - 使用 SSIS 包通过 SQL 服务器更新开发应用程序的正确方法
- cgroups - 找不到 cgroup V2 控制器
- spring-boot - 我是否需要在消息传输过程中进行身份验证
- nsis - 目标文件夹中的路径附加到旧路径,而不是使用 NSIS 显示新路径
- pentaho - Pentaho cde 弹出窗口不显示表格
- django - 我在 models.py 中的 datetime 字段不起作用,即使它在迁移时没有引发任何异常