Pandas DataFrame从另一个DataFrame中查找最常见的字符串

Question

我有一个代码，它可以组合所有的名字，计算它们的统计数据，并计算它们出现的次数。我在这里又加了一个专栏。如何从不同的数据帧打印最常见的名称？在我的代码中，这意味着我想找到voivodships最常见的汽车品牌

我收集了如下数据：

'Mercedes-Benz Klasa S', 4390.0, '(Dolnośląskie)']
['Mitsubishi Carisma 1.8', 3999.0, '(Pomorskie)']
['Audi A4 1.6', 4000.0, '(Łódzkie)']

 for offer in all_offers:
        # get the interesting data and write to file

        title = offer.find('a', class_='offer-title__link').text.strip()

        price = offer.find('span', class_='offer-price__number').text.strip().replace(' ', '').replace('\nPLN', '').replace('\nEUR', '')
        location = offer.find('span', class_='ds-location-region').text.strip()

        item = [title, float(price.replace(",", ".") ),location]
        data.append(item)
        print(item)

for name in  [
  'Alfa Romeo','Aston Martin', 'Audi',']:

    print('---', name,'pojemność od 2000cm3' '---')
    cars = df[df['title'].str.contains(name)]


    print('count:', len(cars))

    print('price min    :', cars['price'].min())
    print('price average:', cars['price'].mean())
    print('price max    :', cars['price'].max())


    cars.plot.hist(title=name)
    plt.show()

还有voivodships

for voivodships in ['('(Śląskie)', '(Świętokrzyskie)', '(Warmińsko-mazurskie)', '(Wielkopolskie)','(Zachodniopomorskie)']:


    locations= df[df['location'].str.contains(voivodships)]
    print('---', voivodships, '---')
    print('ilość ogłoszeń w :', len(voivodships))

Answer 1

我认为您不需要循环，也不应该使用循环

这里有一个只使用熊猫的解决方案。我扩展了你的数据集

df = pd.DataFrame.from_records([
    ['Mercedes-Benz Klasa S', 4390.0, '(Dolnośląskie)'],
    ['Mitsubishi Carisma 1.8', 3999.0, '(Pomorskie)'],
    ['Audi A4 1.6', 5790.0, '(Łódzkie)'],
    ['Mercedes-Benz Klasa S', 2390.0, '(Dolnośląskie)'],
    ['Mitsubishi Carisma 1.8', 3999.0, '(Dolnośląskie)'],
    ['Audi A6 2.0', 7000.0, '(Łódzkie)'],
    ['Mercedes-Benz Klasa S', 5390.0, '(Łódzkie)'],
    ['Audi A3 1.6', 4000.0, '(Dolnośląskie)'],
], columns=['make_model', 'price', 'region'])
df.region = df.region.str.slice(1,-1)
df['make'] = df.make_model.str.split(' ').str[0]
df.pivot_table(
    index=['region', 'make'], 
    aggfunc={'price':['mean', 'min', 'max'], 'make':'count'}
)

请参阅内联注释以获取进一步解释。结果:

                           count     max    mean     min
region       make                                       
Dolnośląskie Audi              1  4000.0  4000.0  4000.0
             Mercedes-Benz     2  4390.0  3390.0  2390.0
             Mitsubishi        1  3999.0  3999.0  3999.0
Pomorskie    Mitsubishi        1  3999.0  3999.0  3999.0
Łódzkie      Audi              2  7000.0  6395.0  5790.0
             Mercedes-Benz     1  5390.0  5390.0  5390.0

如果您只是想查看按地区划分的最常见的品牌，可以这样做：

df.groupby('region')['make'].agg([
    lambda x: x.value_counts().index[0],
    lambda x: x.value_counts().values[0]
])

在这里，您按区域分组，然后在此组中，计算make的值，并取第一个、最频繁的值