Вы можете использовать следующий синтаксис для вычисления режима в объекте GroupBy в pandas:
df.groupby(['group_var'])['value_var']. agg(pd.Series.mode )
В следующем примере показано, как использовать этот синтаксис на практике.
Пример: режим расчета в объекте GroupBy
Предположим, у нас есть следующий кадр данных pandas, который показывает очки, набранные баскетболистами в разных командах:
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'A', 'A', 'B', 'B', 'C', 'C', 'C'],
'points': [10, 10, 12, 15, 19, 23, 20, 20, 26]})
#view DataFrame
print(df)
team points
0 A 10
1 A 10
2 A 12
3 A 15
4 B 19
5 B 23
6 C 20
7 C 20
8 C 26
Мы можем использовать следующий синтаксис для расчета значения очков режима для каждой команды:
#calculate mode points value for each team
df.groupby(['team'])['points']. agg(pd.Series.mode )
team
A 10
B [19, 23]
C 20
Name: points, dtype: object
Вот как интерпретировать вывод:
- Значение очков режима для команды А равно 10 .
- Значения очков моды для команды B равны 19 и 23 .
- Значение очков режима для команды C равно 20 .
Если одна группа имеет несколько режимов, вы можете использовать следующий синтаксис для отображения каждого режима в отдельной строке:
#calculate mode points value for each team
df.groupby(['team'])['points'].apply (pd.Series.mode )
team
A 0 10
B 0 19
1 23
C 0 20
Name: points, dtype: int64
Примечание.Полную документацию по операции GroupBy в pandas можно найти здесь .
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:
Pandas: как рассчитать совокупную сумму по группе
Pandas: как подсчитать уникальные значения по группам
Pandas: как рассчитать корреляцию по группе