如何在Pandas中按分组将列值替换为组内最频繁值？

核心代码实现 #

先构造示例数据：

import pandas as pd

df = pd.DataFrame({
    'ID': [1,1,1,1,2,2,2,2,3,3,3,3],
    'category': ['A','A','B','A','A','A','B','B','B','B','C','A']
})

执行替换操作的核心代码：

df['category'] = df.groupby('ID')['category'].transform(lambda x: x.value_counts().idxmax())

代码解释 #

• groupby('ID')：按ID字段对数据分组，确保每个组内都是同一ID的记录
• transform：保留原DataFrame的行结构，将每个组的计算结果映射回对应行，避免分组后数据维度变化
• x.value_counts().idxmax()：对每个组的category列统计各值出现频次，取频次最高的值（众值）；若多个值频次相同，idxmax()会返回第一个出现的众值，符合题目"任意值均可"的要求

执行结果 #

运行代码后，输出的DataFrame如下：

ID category
0    1        A
1    1        A
2    1        A
3    1        A
4    2        B
5    2        B
6    2        B
7    2        B
8    3        B
9    3        B
10   3        B
11   3        B

内容的提问来源于stack exchange，提问作者Fredrik