大熊貓 - 拆散用最頻繁的值多指標數據幀

Question

我有了這個樣本數據幀df：

GridCode,User,DLang 
3,224591119,es 
3,224591119,ja 
3,224591119,zh 
4,224591119,es 
6,146381773,en 
9,17925282,ca 

我想組User場，只保留最頻繁的DLang代碼，然後拆散和計數每個GridCode中的User的數字。到目前爲止，我所做的：

d = df.groupby(['GridCode','DLang']).size().unstack().fillna(0) 

其正確返回：

DLang  ca en es ja zh 
GridCode      
3   0 0 1 1 1 
4   0 0 1 0 0 
6   0 1 0 0 0 
9   1 0 0 0 0 

然而，正如你可以在df看到，有些用戶有多個DLang條目（例如用戶224591119），但我只想計算他們最常使用的DLang代碼（例如，該用戶的代碼是es）。所得到的數據幀將是：

DLang  ca en es 
GridCode      
3   0 0 1 
4   0 0 1 
6   0 1 0 
9   1 0 0 

Answer 1

首先，計算特定DLang多少次發生，整個GridCode平均。

g = df.groupby(['User','DLang']).count().reset_index() 
g = g.rename(columns={'GridCode':'occurrences'}) 

然後，使用first()函數來查找每個用戶的最頻繁/最大發生次數。

h = g.groupby('User').first().reset_index() 

將原始輸入合併最頻繁/最大出現df。這其中，用戶使用DLang以外的最常見的

j = pd.merge(df,h, on=['User','DLang']) 

最後，跨用戶平均得到最終計數就會下降行。

final_df = j.groupby(['GridCode','DLang']).size().unstack().fillna(0) 

DLang  ca en es 
GridCode    
3   0 0 1 
4   0 0 1 
6   0 1 0 
9   1 0 0