我有一個包含 ID 列和 10 個不同常規服務列和 1 個高級服務列的數據集。一個人可以多次進入，因此 ID 可以重復。在一個人的訪問期間，他們還可以購買最多 10 項常規服務，外加 1 項高級服務。我希望能夠確定每個獨特的人購買最多的常規服務，以及他們購買最多的優質服務。如果任何服務的模式對于普通或高級服務都相同，則任何服務都可以。使用熊貓，我的數據框如下所示：ID Service1 Service2 Service3 .... Service10 Premium----------------------------------------------------------------1 A B C Z XX1 B C D Y XY1 A B C O XX2 R S T B XX我試過 df.mode() 和 pd.Series.mode() 但我不斷收到錯誤。我正在嘗試生成唯一客戶端列表（按 ID）以及所有列的模式。我還需要一種單列模式。這是針對常規服務的（需要找到超過 10 列的模式）：def servicemode(group): svcs_cols = [group['Service1'], group['Service2'], group['Service3'], group['Service4'], group['Service5'], group['Service6'], group['Service7'], group['Service8'], group['Service9'], group['Service10']] return pd.concat(dx_cols).dropna(inplace=False).agg(lambda x: pd.Series.mode(x)[0])df.groupby('ID').apply(servicemode)這是用于高級服務（需要在單列中找到模式）：df.groupby('ID')['Premium'].agg(lambda x: pd.Series.mode(x)[0])這是想要的結果：ID RegSvcMode PremiumSvcMode1 B XX2 R XX如果可能的話，我更喜歡使用純熊貓——任何建議將不勝感激。
1 回答
浮云間
TA貢獻1829條經驗 獲得超4個贊
我不確定您的原始代碼有什么問題，但這是一種解決方案：
import pandas as pd
from itertools import chain
>>>df
Service1 Service2 Service3 Service10
ID
1 A B C Z
1 B C D Y
1 A B C O
2 R S T B
df_regsvc = df.groupby(df.index)['Service1','Service2','Service3','Service10'] \
.apply(lambda x : list(chain.from_iterable([*x.values]))) \
.apply(lambda x: max(x, key=x.count)).to_frame()
>>>df_regsvc
ID
1 B
2 R
dtype: object
# Join it with the aggregate for the Premium column
df_premium = df.groupby(df.index)['Premium'].agg(lambda x: pd.Series.mode(x)[0]).to_frame()
df_agg = df_regsvc.join(df_premium)
>>>df_agg
0 Premium
ID
1 B XX
2 R XX
添加回答
舉報
0/150
提交
取消