循环实现：在DataFrame中获取各流派的热门歌手

不用写循环，Pandas的分组统计功能就能高效解决这个问题，假设歌手出现的频次代表受欢迎程度，直接按流派分组后统计歌手热度即可：

基础版（取每个流派热度最高的单个歌手） #

# 按流派分组，统计每个流派内歌手的出现次数，取次数最多的歌手
top_singers = df2.groupby('genre')['singer'].apply(lambda x: x.value_counts().idxmax())

# 转成清晰的DataFrame格式查看
top_singers_df = top_singers.reset_index(name='top_singer')
print(top_singers_df)

代码说明：

• groupby('genre')：把数据按流派分成不同的组
• x.value_counts()：统计当前流派下每个歌手的出现次数
• idxmax()：直接返回次数最多的歌手名称

进阶版（处理并列第一的情况） #

如果同一个流派有多个歌手热度相同（并列第一），可以用下面的代码获取所有并列的歌手：

def get_top_singers(group):
    counts = group.value_counts()
    max_count = counts.max()
    # 返回所有热度等于最高值的歌手列表
    return counts[counts == max_count].index.tolist()

# 按流派分组应用自定义函数
top_singers = df2.groupby('genre')['singer'].apply(get_top_singers)
print(top_singers)

这种写法比手动写循环简洁得多，而且Pandas的内置分组操作性能远优于Python循环，尤其是数据量较大的时候。

内容的提问来源于stack exchange，提问作者P.08