Pandas分组后保留众值并剔除存在平局的分组

需求说明 #

按col1分组后，仅保留col2列中唯一出现次数最多的分组；若分组内有多个值频次相同且为最高（平局），则剔除该分组。

解决方案 #

方法1：自定义聚合函数+过滤NA

先定义处理单组的函数，判断该组是否存在唯一众数，存在则返回对应值，否则返回空值，最后过滤掉空值对应的分组。

1. 示例数据

import pandas as pd

df = pd.DataFrame({
    'col1': ['A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'C'],
    'col2': ['X', 'X', 'Y', 'Z', 'Z', 'P', 'P', 'Q', 'Q']
})

• A组：col2中X出现2次（唯一众数）
• B组：col2中Z出现2次（唯一众数）
• C组：col2中P和Q各出现2次（平局）

2. 自定义聚合函数

def get_unique_mode(series):
    counts = series.value_counts()
    max_freq = counts.max()
    # 筛选出频次等于最大值的所有值
    top_values = counts[counts == max_freq]
    # 仅当唯一时返回该值，否则返回空
    return top_values.index[0] if len(top_values) == 1 else pd.NA

3. 分组聚合并过滤

result = df.groupby('col1')['col2'].agg(get_unique_mode).dropna()

最终result输出：

col1
A    X
B    Z
Name: col2, dtype: object

方法2：先标记分组状态再过滤原数据

先给原数据添加列标记每个分组是否存在平局，再筛选出无平局的行后分组取众数。

# 计算每个分组的最高频次
df['max_freq'] = df.groupby('col1')['col2'].transform(lambda x: x.value_counts().max())
# 计算每个分组中达到最高频次的值的数量
df['top_val_count'] = df.groupby('col1')['col2'].transform(
    lambda x: len(x.value_counts()[x.value_counts() == x.value_counts().max()])
)
# 筛选无平局的行，再分组取众数
filtered_result = df[df['top_val_count'] == 1].groupby('col1')['col2'].agg(lambda x: x.value_counts().index[0])

输出结果和方法1一致。

内容的提问来源于stack exchange，提问作者keenan