Панды: Как получить самый частый предмет в серии панд? - PullRequest
0 голосов
/ 27 августа 2018

Как я могу получить самый частый предмет в серии pandas?

Рассмотрим серию s

s = pd.Series("1 5 3 3 3 5 2 1 8 10 2 3 3 3".split()).astype(int)

Возвращаемое значение должно быть 3

Ответы [ 4 ]

0 голосов
/ 27 августа 2018

pandas.factorize и numpy.bincount

Это очень похоже на ответ @ jezrael's Numpy. Разница заключается в использовании factorize, а не numpy.unique

  • factorize возвращает целочисленную факторизацию и уникальные значения
  • bincount считает сколько каждого уникального значения
  • argmax определяет, какой бин или фактор является наиболее частым
  • Используйте позицию корзины, возвращенную из argmax, чтобы ссылаться на наиболее частое значение из массива уникальных значений

i, r = s.factorize()
r[np.bincount(i).argmax()]

3
0 голосов
/ 27 августа 2018

Вы можете просто использовать pd.Series.mode и извлечь первое значение:

res = s.mode().iloc[0]

Это не обязательно неэффективно. Как всегда, проверьте свои данные, чтобы увидеть, что подходит.

import numpy as np, pandas as pd
from scipy.stats.mstats import mode
from collections import Counter

np.random.seed(0)

s = pd.Series(np.random.randint(0, 100, 100000))

def jez_np(s):
    _, idx, counts = np.unique(s, return_index=True, return_counts=True)
    index = idx[np.argmax(counts)]
    val = s[index]
    return val

def pir(s):
    i, r = s.factorize()
    return r[np.bincount(i).argmax()]

%timeit s.mode().iloc[0]                 # 1.82 ms
%timeit pir(s)                           # 2.21 ms
%timeit s.value_counts().index[0]        # 2.52 ms
%timeit mode(s).mode[0]                  # 5.64 ms
%timeit jez_np(s)                        # 8.26 ms
%timeit Counter(s).most_common(1)[0][0]  # 8.27 ms
0 голосов
/ 27 августа 2018
from scipy import stats
import pandas as pd
x=[1,5,3,3,3,5,2,1,8,10,2,3,3,3]
data=pd.DataFrame({"values":x})


print(stats.mode(data["values"]))

output:-ModeResult(mode=array([3], dtype=int64), count=array([6]))
0 голосов
/ 27 августа 2018

Используйте value_counts и выберите первое значение с помощью index:

val = s.value_counts().index[0]

Или Counter.most_common:

from collections import Counter

val = Counter(s).most_common(1)[0][0]

Или просто решение:

_, idx, counts = np.unique(s, return_index=True, return_counts=True)
index = idx[np.argmax(counts)]
val = s[index]
...