使用Python pandas按cluster-1分组取cluster-2最高频次值求助

基于你已有的计数结果的后续操作 #

你当前得到的分组计数结果是MultiIndex的Series结构，只需按以下步骤处理即可得到目标输出：

# 你的现有代码，得到各cluster-2的出现次数
counts = df.groupby(['cluster-1','cluster-2'])['cluster-2'].count()

# 转换为DataFrame并重命名计数列
count_df = counts.reset_index(name='occur_count')
# 按cluster-1分组，取每组中出现次数最高的对应行，保留需要的两列结果
result = count_df.loc[count_df.groupby('cluster-1')['occur_count'].idxmax(), ['cluster-1', 'cluster-2']]
# 可选：重置索引，让结果更规整
result = result.reset_index(drop=True)

更简便的一步实现方案 #

如果不需要单独统计频次的中间结果，可以直接调用pandas的众数方法实现需求，代码更简洁：

# 直接按cluster-1分组，提取每组cluster-2的众数（出现频次最高的值）
result = df.groupby('cluster-1')['cluster-2'].apply(lambda x: x.mode()[0]).reset_index(name='cluster-2')

特殊场景处理 #

如果某组cluster-1下存在多个cluster-2值的频次并列最高的情况，上述代码默认返回排序靠前的首个最高频次值。如果需要保留所有并列最高的结果，可以用以下代码：

count_df = df.groupby(['cluster-1','cluster-2']).size().reset_index(name='count')
result = count_df[count_df['count'] == count_df.groupby('cluster-1')['count'].transform('max')]

内容的提问来源于stack exchange，提问作者Patrik Novotný