使用

value_counts并返回第一個索引值：

df["responseCount"] = (df.groupby("item")["response"]

.transform(lambda x: x.value_counts().index[0]))

print (df)

item response responseCount

0 1 A A

1 1 A A

2 1 B A

3 2 C C

4 2 C C

from collections import Counter

df["responseCount"] = (df.groupby("item")["response"]

.transform(lambda x: Counter(x).most_common(1)[0][0]))

print (df)

item response responseCount

0 1 A A

1 1 A A

2 1 B A

3 2 C C

4 2 C C

編輯：

問題是只有一個或多個NaN組,解決方案是使用if-else過濾：

print (df)

item response

0 1 A

1 1 A

2 2 NaN

3 2 NaN

4 3 NaN

def f(x):

s = x.value_counts()

print (s)

A 2

Name: 1, dtype: int64

Series([], Name: 2, dtype: int64)

Series([], Name: 3, dtype: int64)

#return np.nan if s.empty else s.index[0]

return np.nan if len(s) == 0 else s.index[0]

df["responseCount"] = df.groupby("item")["response"].transform(f)

print (df)

item response responseCount

0 1 A A

1 1 A A

2 2 NaN NaN

3 2 NaN NaN

4 3 NaN NaN

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的python字符串出现次数最多的_python – Pandas：获取组中出现次数最多的字符串值...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。