python - pandas groupby.agg() 采用分类变量的模式，其中 NaN 是组的唯一变量

Question

我想为每个组找到最常见的值。 更新:如果有真实值和 NaN，我想删除 NaN。我只想要 NaN，这就是所有的值。

我的一些小组的所有数据都丢失了。我希望这些情况下的结果是缺失数据 (NaN) 作为最常见的值。

在这些情况下，DataFrame.groupby.agg(pd.Series.mode) 函数返回一个空分类。我想要的是 NaN。

下面是一个玩具示例...

data = """
Group, Value
A,      1
A,      1
A,      1
B,      2 
C,      3   
C, 
C, 
D,
D,
"""

from io import StringIO
df = (
    pd.read_csv(StringIO(data),
                skipinitialspace=True)
    .astype('category')
)

df.groupby('Group')['Value'].agg(pd.Series.mode)

产生...

A                                             1.0
B                                             2.0
C                                             3.0
D    [], Categories (3, float64): [1.0, 2.0, 3.0]
Name: Value, dtype: object

我的问题:有没有办法获得 NAN，或者检测空分类并将其设为 NaN。 更新:请注意，我不能使用 dropna=False，因为这会给我上面 C 的错误答案。

作为上下文，我的原始 DataFrame 有 2700 万行，而我的分组框架有 600 万行。所以，我想避免缓慢的解决方案。

Answer 1

您可以应用 pd.Series.mode 然后 pd.to_numeric 与 errors="coerce":

x = df.groupby("Group")["Value"].agg(pd.Series.mode)
print(pd.to_numeric(x, errors="coerce"))

打印:

Group
A    1.0
B    2.0
C    3.0
D    NaN
Name: Value, dtype: float64