查找和选择pandas DataFram中列的最频繁数据

Question

我有一个数据框，列如下：

file['DirViento']

Fecha
2011-01-01    ENE
2011-01-02    ENE
2011-01-03    ENE
2011-01-04    NNE 
2011-01-05    ENE
2011-01-06    ENE
2011-01-07    ENE
2011-01-08    ENE
2011-01-09    NNE
2011-01-10    ENE
2011-01-11    ENE
2011-01-12    ENE
2011-01-13    ESE
2011-01-14    ENE
2011-01-15    ENE
... 
2011-12-17    ENE
2011-12-18    ENE
2011-12-19    ENE
2011-12-20    ENE
2011-12-21    ENE
2011-12-22    ENE
2011-12-23    ENE
2011-12-24    ENE
2011-12-25    ENE
2011-12-26    ESE
2011-12-27    ENE
2011-12-28     NE
2011-12-29    ENE
2011-12-30    NNE
2011-12-31    ENE
Name: DirViento, Length: 290, dtype: object

这个专栏有一年中每个月风向的每日记录。我每个月都在努力掌握主导方向。为此，请选择一个月内最常重复的数据：

file['DirViento'].groupby(lambda x: x.month).value_counts()


1   ENE    23
    NNE     6
    E       1
    ESE     1
2   ENE    21
    NNO     3
    NNE     2
    NE      1
3   ENE    21
    OSO     1
    ESE     1
    SSE     1
4   ENE    21
    NNE     2
    ESE     1
    NNO     1
6   ENE    15
    ESE     2
    SSE     2
    ONO     1
    E       1
7   ENE    22
    ONO     1
    OSO     1
    NE      1
    NNE     1
    NNO     1
8   ENE    23
    NNE     5
    NE      1
    ONO     1
    ESE     1
9   ENE    17
    NNE     7
    ONO     2
    NE      1
    E       1
    ESE     1
    NNO     1
10  ENE    16
    NNE     2
    ESE     2
    NNO     2
    ONO     1
    NE      1
    E       1
11  ENE    13
    NNE     2
    ESE     2
    ONO     1
12  ENE    26
    NNE     3
    NE      1
    ESE     1
Length: 54, dtype: int64

运行以下代码行时

wind_moda=file['DirViento'].groupby(lambda x: x.month).agg(lambda x: stats.mode(x)[0][0])

应该买这样的东西

     1  ENE    
     2  ENE    
     3  ENE  
     4  ENE
     6  ENE
     7  ENE    
     8  ENE    
     9  ENE
    10  ENE  
    11  ENE
    12  ENE  

但我得到了以下信息：

 1          E  
 2        ENE  
 3        ENE  
 4        ENE  
 6          E  
 7        ENE  
 8        ENE  
 9          E  
 10         E  
 11       ENE  
 12       ENE  

为什么在12个月中有4个月没有考虑到最频繁的数据？

我做错什么了吗？

你知道每个月最常用的数据吗？

Answer 1

这并不像它可能（应该）那么简单。

正如您可能知道的，统计术语中最常用的值是“mode”，Numpy没有内置的函数，但是scipy有。按如下方式导入：

from scipy.stats.mstats import mode

它不仅仅返回最常见的值as you can read about in the docs，因此定义一个函数很方便，它使用mode来获得最常见的值。

f = lambda x: mode(x, axis=None)[0]

现在，不要使用value_counts()，而是使用apply(f)。下面是一个例子：

In [20]: DataFrame([1,1,2,2,2,3], index=[1,1,1,2,2,2]).groupby(level=0).apply(f)
Out[20]: 
1    1.0
2    2.0
dtype: object

更新：Scipy的mode不适用于字符串。对于字符串数据，需要定义一个更通用的模式函数。This answer应该能做到。

Answer 2

Pandas 0.15.2有一个DataFrame.mode()方法。这对像我这样的人来说可能是有用的。

这是the docs。

编辑：对于值：

DataFrame.mode()[0]

Answer 3

1. 对于整个数据帧，您可以使用：

   dataframe.mode()
   

2. 对于特定列：

   dataframe.mode()['Column'][0]
   

第二种情况在估算价值时更有用。