如何从含17个类别的分类变量中筛选出Top10高频类别？

以下是基于Python Pandas的实现方案，分两种场景处理：

场景1：处理单个分类变量（如city列） #

如果city是单个列，包含17个不同城市名称，直接统计频次并取前10即可：

import pandas as pd

# 统计城市出现频次，按降序排列
city_frequency = df['city'].value_counts(ascending=False)

# 获取频次最高的10个城市
top10_cities = city_frequency.head(10)

# 提取城市名称列表（如果需要）
top10_city_list = top10_cities.index.tolist()

场景2：处理编码为17个哑变量的分类变量 #

如果分类变量被拆分为17个哑变量列（每列0/1表示是否属于该类别），通过求和统计每个类别的样本数：

# 先筛选出所有哑变量列（根据实际列名调整筛选规则）
dummy_columns = [col for col in df.columns if col.startswith('category_')]  # 示例：前缀为category_的列

# 统计每个哑变量对应的类别频次，降序排序
category_frequency = df[dummy_columns].sum().sort_values(ascending=False)

# 获取频次最高的10个类别
top10_categories = category_frequency.head(10)

# 提取类别名称列表（如果需要）
top10_category_list = top10_categories.index.tolist()

如果你的分类变量是单个列（包含17个唯一类别），直接复用场景1的value_counts方法即可。

内容的提问来源于stack exchange，提问作者Pawan Kumar