python - 使用 Nan 值计算最频繁的组

Question

基本上我想计算按 2 个变量分组的最频繁项目的数量。我使用这段代码:

dfgrouped = data[COLUMNS.copy()].groupby(['Var1','Var2']).agg(lambda x: stats.mode(x)[1])

此代码有效，但不适用于具有 Nan 值的列，因为 NaN 值为 float 而其他值为 str。因此显示此错误:

'<' not supported between instances of 'float' and 'str'

我想省略 NaN 值和其余的计数模式。所以 str(x) 不是解决方案。并且 scipy.stats.mode(x, nan_policy='omit') 既不工作也没有错误:

TypeError: ufunc 'isfinite' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

你能给我一个建议如何处理这个问题吗？谢谢

Answer 1

我认为需要dropna用于删除 NaN:

dfgrouped = data[COLUMNS.copy()].groupby(['Var1','Var2']).agg(lambda x: stats.mode(x.dropna())[1])

如果需要为所有 NaN 组设置 NaN:

dfgrouped = (data[COLUMNS.copy()]
              .groupby(['Var1','Var2'])
              .agg(lambda x: None if x.isnull().all() else stats.mode(x.dropna())[1]))