如何在分组DataFrame中获取各分组下对应列的最频繁出现值？

你遇到的报错是因为SeriesGroupBy对象没有直接的mode方法，需要通过agg或apply来对分组数据计算众数。以下是两种简便的实现方式：

方法一：使用agg直接聚合（推荐） #

这种方式直接按分组计算指定列的众数，并且每个分组仅保留一行结果，代码简洁高效：

import pandas as pd

# 假设你的DataFrame名为df
result_df = df.groupby('company_name', as_index=False).agg(
    company_size=('company_size', lambda x: x.mode().iloc[0]),
    company_acitivity=('company_acitivity', lambda x: x.mode().iloc[0])
)

• as_index=False保证分组后的company_name作为普通列存在，而非索引
• lambda x: x.mode().iloc[0]用于提取分组内的第一个众数（若存在多个众数，可根据需求调整逻辑）

方法二：使用transform配合去重 #

如果需要保留原DataFrame的其他列（若有的话），可以先通过transform将列值替换为分组众数，再去重：

# 替换分组内的列值为众数
df['company_size'] = df.groupby('company_name')['company_size'].transform(lambda x: x.mode().iloc[0])
df['company_acitivity'] = df.groupby('company_name')['company_acitivity'].transform(lambda x: x.mode().iloc[0])

# 按company_name去重，保留每个公司的一行数据
result_df = df.drop_duplicates(subset='company_name', keep='first')

注意事项 #

如果某个分组的列中所有值都是唯一的，mode()会返回该列的所有值，此时iloc[0]会取第一个值。若需要处理这种特殊场景，可以在lambda中添加判断逻辑，比如：

lambda x: x.mode().iloc[0] if not x.mode().empty else x.iloc[0]

内容的提问来源于stack exchange，提问作者julez8000