Pandas按参数组合分组取Engage列众数保留全字段方法

场景与需求 #

• 建模环境：Python/Mesa 基于智能体建模范式
• 原始数据集属性：共25920行、11列，已按参数扫描列density、hero_prob、malevolent、tipping_point、agi_gain排序，覆盖全部参数组合
• 参数规则：共2592种参数组合，单组参数对应10次重复实验，合计25920行原始数据
• 聚合目标：生成适配逻辑回归训练的DataFrame，按参数组合聚合10次重复实验的行数据，最终输出2592行、11列的规整数据集，Engage列聚合规则如下：
  • 保留组内出现频次最高的取值
  • 若组内True、False各出现5次（频次持平），取值为"Tie"
• 原有代码问题：执行以下代码时，返回结果仅包含Engage列，未保留其他参数字段，且agi_gain出现合并异常，结果结构与原DataFrame不一致

df_grouped = df_sorted.groupby(['density','hero_prob','malevolent','tipping_point','agi_gain'])['Engage'].agg(pd.Series.mode).to_frame()

问题原因 #

原代码存在两处核心问题：

1. 分组后仅选中Engage列做聚合计算，输出结果自然不会包含其他字段
2. pd.Series.mode遇到频次持平的多值场景会返回长度大于1的序列，触发groupby的异常列展开，也就是你遇到的agi_gain合并问题，且原生mode方法不支持平局标记为"Tie"的自定义规则。

可直接运行的实现代码 #

首先自定义Engage列的聚合函数，完全匹配规则：

import pandas as pd

def agg_engage(series: pd.Series):
    true_cnt = series.sum()
    false_cnt = len(series) - true_cnt
    if true_cnt > false_cnt:
        return True
    elif false_cnt > true_cnt:
        return False
    else:
        return "Tie"

之后按列配置聚合规则，分组时设置as_index=False避免分组列被转为索引，保证输出结构和原表完全一致：

# 配置全列聚合规则
agg_config = {}
for col in df_sorted.columns:
    if col == "Engage":
        agg_config[col] = agg_engage
    # 非分组、非Engage的列，同参数组内取值固定，取首个值即可
    elif col not in ["density", "hero_prob", "malevolent", "tipping_point", "agi_gain"]:
        agg_config[col] = "first"

# 执行分组聚合
df_grouped = df_sorted.groupby(
    by=["density", "hero_prob", "malevolent", "tipping_point", "agi_gain"],
    as_index=False
).agg(agg_config)

结果验证 #

最终输出的df_grouped固定为2592行、11列，和原表结构完全对齐：

• 无多值导致的列合并异常
• Engage列严格遵循多数优先、平局标记为"Tie"的规则
• 所有参数列、固定属性列取值和原组数据完全一致，可直接用于后续逻辑回归建模。

提示：如果原表中存在随重复实验变动的非参数列，可根据建模需求调整对应列的聚合规则（如取均值、标准差等），替换agg_config中的"first"即可。

内容的提问来源于stack exchange，提问作者Clark