在Pandas DataFrame中实现3/5多数投票生成Voting列

问题背景 #

需要为包含int64类型元素的DataFrame创建Voting新列，规则如下：

• 对每行元素统计出现次数，若某元素出现3次及以上，则Voting列填充该元素
• 若没有元素达到3次出现次数，则填充-1

输入DataFrame #

Column1  Column2 Column3 Column4 Column5
0     0       0       6       1       0
1     4       4       6       4       0
2     4       2       2       2       2
3     4       4       4       4       4
4     0       0       0       2       4
5     6       6       6       6       6
6     3       3       3       3       5
7     0       6       6       0       4
8     3       3       3       3       4
9     2       2       4       3       3

期望输出 #

Column1  Column2 Column3 Column4 Column5  Voting
0     0       0       6       1       0        0
1     4       4       6       4       0        4
2     4       2       2       2       2        2
3     4       4       4       4       4        4
4     0       0       0       2       4        0
5     6       6       6       6       6        6
6     3       3       3       3       5        3
7     0       6       6       0       4       -1
8     3       3       3       3       4        3
9     2       2       4       3       3       -1

解决方案 #

使用pandas的行级处理功能，结合元素频率统计实现需求，提供两种实现方式：

方式一：自定义函数实现（可读性强） #

import pandas as pd

# 构造输入DataFrame
df = pd.DataFrame({
    'Column1': [0,4,4,4,0,6,3,0,3,2],
    'Column2': [0,4,2,4,0,6,3,6,3,2],
    'Column3': [6,6,2,4,0,6,3,6,3,4],
    'Column4': [1,4,2,4,2,6,3,0,3,3],
    'Column5': [0,0,2,4,4,6,5,4,4,3]
})

def calculate_vote(row):
    # 统计每行各元素的出现次数
    element_counts = row.value_counts()
    # 筛选出现次数≥3的元素
    qualified_elements = element_counts[element_counts >= 3]
    # 返回结果：有符合条件的元素则取第一个，否则返回-1
    return qualified_elements.index[0] if not qualified_elements.empty else -1

# 应用函数到每行，生成Voting列
df['Voting'] = df.apply(calculate_vote, axis=1)

# 查看结果
print(df)

方式二：Lambda表达式简化写法 #

import pandas as pd

df = pd.DataFrame({
    'Column1': [0,4,4,4,0,6,3,0,3,2],
    'Column2': [0,4,2,4,0,6,3,6,3,2],
    'Column3': [6,6,2,4,0,6,3,6,3,4],
    'Column4': [1,4,2,4,2,6,3,0,3,3],
    'Column5': [0,0,2,4,4,6,5,4,4,3]
})

# 一行代码生成Voting列
df['Voting'] = df.apply(
    lambda row: row.mode()[0] if row.value_counts().max() >= 3 else -1,
    axis=1
)

print(df)

代码解释 #

1. row.value_counts()：对每行元素做频率统计，返回一个Series，索引为元素值，值为对应出现次数
2. 筛选合格元素：通过element_counts >=3过滤出满足多数投票条件的元素
3. 结果判断：若存在合格元素则返回第一个（题目场景下每行最多一个合格元素），否则返回-1
4. df.apply(..., axis=1)：将处理逻辑应用到DataFrame的每一行，生成新列

内容的提问来源于stack exchange，提问作者gcicceri