在不对结果进行排序的情况下计算数据帧的模式

Question

我有这样一个数据框：

df = pd.DataFrame({'a1': [2,3,4,8,8], 'a2': [2,5,7,5,10], 'a3':[1,9,4,10,2]})

    a1  a2  a3
0   2   2   1
1   3   5   9
2   4   7   4
3   8   5   10
4   8   10  2

输出应该是：

怎么办：我想按行计算模式，如果模式不存在，我想要 a1（第一列）的值。

例如：在第二行 (3,5,9) 中，模式不存在，所以我在输出中得到 3。

注意：我已经尝试过 `df.mode(axis=1)` 但这似乎按行打乱了值的序列，所以我并不总是在输出中获得第一列的值。

Answer 1

No-Sort 方法

agg + collections.Counter。 不对模式进行排序。

from collections import Counter
df.agg(lambda x: Counter(x).most_common(1)[0][0], axis=1)

0    2
1    3
2    4
3    8
4    8
dtype: int64

模式排序方法

沿第一个轴使用mode，然后取先到者：

df.mode(axis=1).iloc[:, 0]

或者，

df.mode(axis=1)[0]

0    2.0
1    3.0
2    4.0
3    5.0
4    2.0
Name: 0, dtype: float64

scipy.stats.mode

from scipy.stats import mode
np.array(mode(df, axis=1))[0].squeeze()
array([2, 3, 4, 5, 2])

Answer 2

另一种选择是使用 np.where:

mode = df.mode(axis=1)
np.where(mode.iloc[:,-1].isnull(),
    mode.iloc[:,0], # No tie, use the calculated mode 
    df.iloc[:,0]) # Tie, use the first column of the original df
# array([2., 3., 4., 8., 8.])

在不对结果进行排序的情况下计算数据帧的模式

Calculate mode on a dataframe without sorting the result

python

mode

dataframe

pandas

注意：我已经尝试过 `df.mode(axis=1)` 但这似乎按行打乱了值的序列，所以我并不总是在输出中获得第一列的值。

在不对结果进行排序的情况下计算数据帧的模式

Calculate mode on a dataframe without sorting the result

python

mode

dataframe

pandas

注意：我已经尝试过 df.mode(axis=1) 但这似乎按行打乱了值的序列，所以我并不总是在输出中获得第一列的值。

注意：我已经尝试过 `df.mode(axis=1)` 但这似乎按行打乱了值的序列，所以我并不总是在输出中获得第一列的值。