如何在Pandas中为标签匹配出现次数最多的字母并添加预测列？

首先创建示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'letter': ['a', 'b', 'c', 'a', 'a', 'c', 'b', 'a'],
    'label': [3, 2, 3, 1, 1, 3, 2, 5]
})

步骤1：统计标签与字母组合的出现频次 #

先按label和letter分组，统计每组的出现次数：

counts = df.groupby(['label', 'letter']).size().reset_index(name='count')

得到的频次表如下：

步骤2：构建标签到高频字母的映射 #

对每个label，筛选出出现次数最多的letter，并转为字典映射：

label_to_top_letter = counts.groupby('label').apply(
    lambda x: x.loc[x['count'].idxmax(), 'letter']
).to_dict()

生成的映射字典为：{1: 'a', 2: 'b', 3: 'c', 5: 'a'}

步骤3：生成目标列 #

通过map函数将每个label对应的高频字母赋值给新列label_pred：

df['label_pred'] = df['label'].map(label_to_top_letter)

最终得到的结果与需求一致：

letter  label label_pred
0      a      3          c
1      b      2          b
2      c      3          c
3      a      1          a
4      a      1          a
5      c      3          c
6      b      2          b
7      a      5          a

原代码错误原因 #

你之前使用的df.groupby(["letter", "label"]).count().max()逻辑偏差：

• 按letter和label组合分组后，count()统计的是每组的行数，但后续的max()是取所有计数中的最大值（此处为2），得到的是一个单值结果，无法与原DataFrame的每行对应，因此赋值后会得到空列或全为同一值的列，完全不符合需求。

内容的提问来源于stack exchange，提问作者Andrew