如何分组并获得三个最频繁的值？

Question

我想按 id 分组并获得三个最常见的城市。例如我有原始数据框  ID    City    1    London    1    London    1    New York    1    London    1    New York    1    Berlin    2    Shanghai    2    Shanghai我想要的结果是这样的：ID first_frequent_city   second_frequent_city   third_frequent_city1   London               New York               Berlin2   Shanghai             NaN                    NaN

Answer 1

第一步是使用perSeriesGroupBy.value_counts的计数值，优点是已经对值进行了排序，然后通过 获取计数器，通过 过滤第一个值，通过 旋转，更改列名并最后转换为列：CityIDGroupBy.cumcount3locDataFrame.pivotIDDataFrame.reset_index

df = (df.groupby('ID')['City'].value_counts()

        .groupby(level=0).cumcount()

        .loc[lambda x: x < 3]

        .reset_index(name='c')

        .pivot('ID','c','City')

        .rename(columns={0:'first_', 1:'second_', 2:'third_'})

        .add_suffix('frequent_city')

        .rename_axis(None, axis=1)

        .reset_index())

print (df)

   ID first_frequent_city second_frequent_city third_frequent_city

0   1              London             New York              Berlin

1   2            Shanghai                  NaN                 NaN

Answer 2

另一种使用count作为排序参考的方法，然后通过遍历groupby对象重新创建数据框：

df = (df.assign(count=df.groupby(["ID","City"])["City"].transform("count"))

        .drop_duplicates(["ID","City"])

        .sort_values(["ID","count"], ascending=False))

    

print (pd.DataFrame([i["City"].unique()[:3] for _, i in df.groupby("ID")]).fillna(np.NaN))

          0         1       2

0    London  New York  Berlin

1  Shanghai       NaN     NaN

Answer 3

获取.countby ID，City然后np.where()与.groupby()withmax和median一起使用min。然后将索引和取消堆叠行设置为列上的列max。

df = df.assign(count=df.groupby(['ID', 'City'])['City'].transform('count')).drop_duplicates()

df['max'] = np.where((df['count'] == df.groupby('ID')['count'].transform('min')), 'third_frequent_city', np.nan)

df['max'] = np.where((df['count'] == df.groupby('ID')['count'].transform('median')), 'second_frequent_city', df['max'])

df['max'] = np.where((df['count'] == df.groupby('ID')['count'].transform('max')), 'first_frequent_city', df['max'])

df = df.drop('count',axis=1).set_index(['ID', 'max']).unstack(1)

输出：

    City

max first_frequent_city second_frequent_city    third_frequent_city

ID          

1   London              New York                Berlin

2   Shanghai            NaN                     NaN

Answer 4

有点长，基本上你 groupby 两次，第一部分基于分组按升序对数据进行排序的想法，第二部分允许我们将数据拆分为单独的列：

(df

.groupby("ID")

.tail(3)

.drop_duplicates()

.groupby("ID")

.agg(",".join)

.City.str.split(",", expand=True)

.set_axis(["first_frequent_city",

           "second_frequent_city", 

           third_frequent_city"],

           axis="columns",)

)

     first_frequent_city    second_frequent_city    third_frequent_city

ID          

1      London                 New York                Berlin

2      Shanghai               None                    None