Pandas分组与转换：统一分组内最频繁Name字段值

问题背景 #

我们有一个包含大小写不一致Name字段的数据集，示例数据如下：

可以通过以下代码复现该数据集：

import numpy as np
import pandas as pd

data = {'Name': ['Alegro', 'Alegro', 'AlEgro', 'ALEGRO', 'alegRo', 'ALEGRO','ALEGRO', 'ALEGRO','ALEGRO','ALEGrO', 'Belagio','BElagio', 'Belagio', 'BeLaGio'], 
        'Value': np.random.random(14)}
df = pd.DataFrame(data)
df['id'] = df.Name.str.lower()

执行分组统计各Name频次后：

df.groupby('id').Name.value_counts()

得到结果：

id      Name
alegro  ALEGRO    5
        Alegro     2
        ALEGrO     1
        AlEgro     1
        alegRo     1
belagio Belagio    2
        BElagio    1
        BeLaGio    1

我们的需求是：为每个id分组选取出现频次最高的Name值，替换原Name字段，最终得到每个分组内统一使用高频Name的DataFrame。

实现方案 #

方法1：使用groupby + transform + mode #

Pandas的mode()方法可以直接获取每组的众数（即频次最高的值），结合transform可以将结果映射回原DataFrame的每一行：

# 为每个id分组获取Name的众数（取第一个众数，避免多众数情况）
df['Name'] = df.groupby('id')['Name'].transform(lambda x: x.mode()[0])

解释：

• groupby('id')['Name']按id分组处理Name字段
• transform保证返回结果的长度和原DataFrame一致
• x.mode()[0]获取每组的第一个众数，当存在多个频次相同的最高值时，取最先出现的那个

方法2：使用value_counts构建映射字典，再替换 #

先统计每个id对应的高频Name，构建字典后用map替换：

# 统计每个id的最高频Name，构建映射字典
name_mapping = df.groupby('id')['Name'].value_counts().groupby('id').head(1).reset_index(level=0, drop=True).to_dict()

# 替换原Name字段
df['Name'] = df['id'].map(name_mapping)

解释：

1. df.groupby('id')['Name'].value_counts()得到每组各Name的频次
2. groupby('id').head(1)取出每个id分组内频次最高的那一行
3. reset_index(level=0, drop=True)去掉id索引，得到id到高频Name的映射
4. 最后用df['id'].map(name_mapping)将每个id对应的高频Name替换原字段

验证结果 #

执行上述任意一种方法后，查看结果：

print(df[['Name', 'id']])

会得到：

Name       id
0    ALEGRO   alegro
1    ALEGRO   alegro
2    ALEGRO   alegro
3    ALEGRO   alegro
4    ALEGRO   alegro
5    ALEGRO   alegro
6    ALEGRO   alegro
7    ALEGRO   alegro
8    ALEGRO   alegro
9    ALEGRO   alegro
10  Belagio  belagio
11  Belagio  belagio
12  Belagio  belagio
13  Belagio  belagio

内容的提问来源于stack exchange，提问作者And_R