使用Pandas加载CSV数据，找出最频繁的出行起始小时

现有如下格式的CSV表格数据：

Start Time,End Time,Trip Duration,Start Station,End Station,User Type,Gender,Birth Year
2017-05-29 18:36:27,2017-05-29 18:49:27,780,Columbus Dr & Randolph St,Federal St & Polk St,Subscriber,Male,1991.0
2017-06-12 19:00:33,2017-06-12 19:24:22,1429,Kingsbury St & Erie St,Orleans St & Merchandise Mart Plaza,Customer,,
2017-02-13 17:02:02,2017-02-13 17:20:10,1088,Canal St & Madison St,Paulina Ave & North Ave,Subscriber,Female,1982.0

需求：使用Pandas将file.csv加载至DataFrame中，在数据集无小时列的前提下，找出人们开始出行的最频繁小时，请补全以下代码中的popular_hour部分：

import pandas as pd

filename = 'file.csv'

df = pd.read_csv('file.csv')

df['Start Time'] = pd.to_datetime(df['Start Time'])

df['hour'] = df['Start Time'].dt.hour

popular_hour = 
    
print('Most Frequent Start Hour:', popular_hour)

补全方案 #

以下几种简洁写法都能实现需求：

1. 取小时列的众数（最直接的方式）

popular_hour = df['hour'].mode()[0]

注：mode()返回的是Series类型结果，[0]用于提取具体的小时数值。

2. 统计频次后取最大值对应的索引

popular_hour = df['hour'].value_counts().idxmax()

value_counts()会按出行次数降序排列各小时，idxmax()直接返回次数最多的小时值。

3. 分组统计后取最大值对应小时

popular_hour = df.groupby('hour')['hour'].count().idxmax()

以上三种写法都能得到正确结果，前两种在日常使用中更简洁高效。

内容的提问来源于stack exchange，提问作者Mohamed Awad