最频繁和最不频繁的数字和异常值 - Jupyter
Most and the least frequent numbers and Outliers - Jupyter
id |car_id
0 | 32
. | 2
. | 3
. | 7
. | 3
. | 4
. | 32
N | 1
如何从 id_car 列中选择频率最高和频率最低的数字，并在新的 table 中显示它们？'car_id' 和 'quantity'
mdata['car_id'].value_counts().idxmax()
下面是一些代码，可以提供最常见的 ID 和三个最不常见的 ID。
from collections import Counter
car_ids = [32, 2, 3, 7, 3, 4, 32, 1]
c = Counter(car_ids)
count_pairs = c.most_common() # Gets all counts, from highest to lowest.
print (f'Most frequent: {count_pairs[0]}') # Most frequent: (32, 2)
n = 3
print (f'Least frequent {n}: {count_pairs[:-n-1:-1]}') # Least frequent 3: [(1, 1), (4, 1), (7, 1)]
count_pairs 有一个成对列表（ID， 该 ID 的计数 ）。它从最频繁到最不频繁排序。 most_common 没有告诉我们领带的顺序。
如果您只需要任何频率最低的 ID，则可以将 n 更改为 1。我将其设置为 3，以便您可以看到三个并列为最不频繁。
id |car_id
0 | 32
. | 2
. | 3
. | 7
. | 3
. | 4
. | 32
N | 1
如何从 id_car 列中选择频率最高和频率最低的数字，并在新的 table 中显示它们？'car_id' 和 'quantity'
mdata['car_id'].value_counts().idxmax()
下面是一些代码，可以提供最常见的 ID 和三个最不常见的 ID。
from collections import Counter
car_ids = [32, 2, 3, 7, 3, 4, 32, 1]
c = Counter(car_ids)
count_pairs = c.most_common() # Gets all counts, from highest to lowest.
print (f'Most frequent: {count_pairs[0]}') # Most frequent: (32, 2)
n = 3
print (f'Least frequent {n}: {count_pairs[:-n-1:-1]}') # Least frequent 3: [(1, 1), (4, 1), (7, 1)]
count_pairs 有一个成对列表（ID， 该 ID 的计数 ）。它从最频繁到最不频繁排序。 most_common 没有告诉我们领带的顺序。
如果您只需要任何频率最低的 ID，则可以将 n 更改为 1。我将其设置为 3，以便您可以看到三个并列为最不频繁。