python - 在两个值之间进行选择并设置 pandas 数据框中最常见的值

Question

我问过 question最近，但现在我有一个新问题。这是我的数据框:

df = pd.DataFrame({'id':[1,1,1,1,2,2,2,3,3,3,4,4],
              'sex': [0,0,0,1,0,0,0,1,1,0,1,1]})

    id  sex
0   1   0
1   1   0
2   1   0
3   1   1
4   2   0
5   2   0
6   2   0
7   3   1
8   3   1
9   3   0
10  4   1
11  4   1

现在我需要为具有混合性别值的 ID 设置性别值。它应该是最常见的值。所以我想要得到这样的东西:

    id  sex
0   1   0
1   1   0
2   1   0
3   1   0
4   2   0
5   2   0
6   2   0
7   3   1
8   3   1
9   3   1
10  4   1
11  4   1

之后我只想得到一对 ID - 性别:

id  sex
0   1   0
1   2   0
2   3   1
3   4   1

Answer 1

您也可以使用np.bincount。

In [179]: df.groupby('id')['sex'].apply(lambda x: np.argmax(np.bincount(x))).reset_index()
Out[179]:
   id  sex
0   1    0
1   2    0
2   3    1
3   4    1

时间

In [194]: df = pd.concat([df]*1000, ignore_index=True)

In [195]: df.shape
Out[195]: (12000, 2)

In [196]: %timeit df.groupby('id')['sex'].apply(lambda x: np.argmax(np.bincount(x))).reset_index()
100 loops, best of 3: 2.48 ms per loop

In [197]: %timeit df.groupby('id')['sex'].apply(lambda x: x.value_counts().index[0]).reset_index()
100 loops, best of 3: 4.55 ms per loop

In [198]: %timeit df.set_index('id').groupby(level=0).sex.apply(lambda x: x.value_counts().idxmax()).reset_index()
100 loops, best of 3: 6.71 ms per loop