Pandas处理大型CSV 按玩家等级统计最常用道具方案

原有代码问题 #

最初写的单等级统计代码存在两个核心问题，是和Excel countifs校验结果不一致的原因：

• 直接对筛选后的DataFrame调用mode()方法时，如果某一道具列存在多个频次并列最高的取值，方法会返回所有并列结果，而非单值，和countifs默认返回首个匹配最高频值的逻辑不匹配
• 仅支持手动指定单个等级计算，无法自动遍历1-30级完成批量统计

用到的测试数据集结构示例如下：

批量统计实现代码 #

直接用pandas分组聚合即可一次性完成全等级统计，不需要手动写循环逐等级筛选，代码如下：

import pandas as pd

# 读取数据集并提取需要的核心列
df = pd.read_csv('filename.csv')
df = df[["playerLevel", "playerKnife", "playerBackpack"]]

# 按玩家等级分组，分别计算每组最高频的刀具、背包
level_top_item = df.groupby("playerLevel").agg(
    top_knife=("playerKnife", lambda col: col.value_counts().index[0]),
    top_backpack=("playerBackpack", lambda col: col.value_counts().index[0])
).reset_index()

# 补全1-30全等级序列，无玩家数据的等级对应道具列显示为空值
level_top_item = level_top_item.set_index("playerLevel").reindex(range(1, 31)).reset_index()

# 打印输出结果
print(level_top_item)

逻辑说明 #

• groupby("playerLevel")会自动按等级拆分数据集，替代手动逐等级筛选的操作
• 每个分组内用value_counts()对道具取值做频次统计，返回结果默认按频次降序排列，取索引第一位即为该等级使用人数最多的道具，遇到并列最高频的情况默认取排序首位的取值，和Excel countifs的统计逻辑对齐
• 最后通过reindex补全1到30的完整等级序列，避免出现高等级无玩家数据时结果缺行的问题，方便后续核对

内容的提问来源于stack exchange，提问作者miamas