python - 根据标签的多数计数过滤数据框中的重叠行

Question

如何过滤标签重叠的重复行？我需要 Dataframe 的一个子集，其中重复的行被替换为标签计数最大的一行。

考虑一个数据框df:

df = pd.DataFrame({
 'X' : [1, -1, 1, 1, 3, -2, -1, -1],
 'Y' : [2, 3, 2, 2, 2, -1, 3, 3],
 'label' : [0, 1, 1, 0, 2, 1, 2, 2]
})

过滤后，期望得到如下子集df_output

df_output = pd.DataFrame({
 'X' : [1, -1, 3, -2], 
 'Y' : [2, 3, 2, -1],
 'label' : [0, 2, 2, 1]
})

Answer 1

我认为您正在寻找 groupby 模式，即

df.groupby(['X','Y'])['label'].apply(lambda x : x.mode().values[0]).reset_index()

输出:

  X  Y  label0 -2 -1      11 -1  3      22  1  2      03  3  2      2