pandas：对dataframe进行groupby后求众数mode

1. 问题

有如下一个dataframe，打算对a的每一个类别求b的众数(mode)，dir(df.groupby('a'))可以看到是没有mode函数的，因此不能直接使用df.groupby('a').mode().reset_index()

>>> import pandas as pd
>>> df = pd.DataFrame({'a':['A','A','A','A','B','B','B','B','B'],'b':[1,1,2,3,1,2,2,3,3]})
>>> df
   a  b
0  A  1
1  A  1
2  A  2
3  A  3
4  B  1
5  B  2
6  B  2
7  B  3
8  B  3

>>> df.groupby('a').mode().reset_index()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Python27\lib\site-packages\pandas\core\groupby.py", line 548, in __getattr__
    return self._make_wrapper(attr)
  File "C:\Python27\lib\site-packages\pandas\core\groupby.py", line 562, in _make_wrapper
    raise AttributeError(msg)
AttributeError: Cannot access callable attribute 'mode' of 'DataFrameGroupBy' objects, try using the 'apply' method

>>> type(df.groupby('a'))
<class 'pandas.core.groupby.DataFrameGroupBy'>
>>> dir(df.groupby('a'))
['__bytes__', '__class__', ... ... 'std', 'sum', 'tail', 'take', 'transform', 'tshift', 'var']

2. 解决方案

既然df.groupby('a')没有mode函数，又考虑到可能聚合函数agg能够接用外部函数，搜索网上的解决办法，经过尝试，在此总结并列出以下几种解决方案（当然也可以直接跳到最后一个解决方案）。

1. 使用scipy.stats.mode()：df中的B类别有两个众数，返回的结果B类别的众数取了较小的结果

   >>> from scipy import stats
   >>> df.groupby('a').agg(lambda x: stats.mode(x)[0][0]).reset_index()
      a  b
   0  A  1
   1  B  2

2. 使用value_counts()
   (1) 先看value_counts()的作用：可以看到得到的结果中的index是取值，内容是计数，并且index是降序排列的，因此取index[0]是取最大值，因此有两个众数以上的时候，会取到较大的结果

   >>> ss = pd.Series([1,2,2,3,3])
   >>> ss
   0    1
   1    2
   2    2
   3    3
   4    3
   dtype: int64
   >>> ss.value_counts()
   3    2
   2    2
   1    1
   dtype: int64
   >>> ss.value_counts().index[0]
   3

   (2) 应用到dataframe的groupby之后的聚合函数中：

   >>> df.groupby('a').agg(lambda x: x.value_counts().index[0]).reset_index()
      a  b
   0  A  1
   1  B  3

3. 使用pd.Series.mode()：该函数是返回Series的众数的，当众数有多个时，会返回一个list，里面包含了所有众数

   >>> df.groupby('a').agg(pd.Series.mode).reset_index()
      a       b
   0  A       1
   1  B  [2, 3]

4. 使用pd.Series.mode()和np.mean()：上述结果显然不是我想要的，但是如果对有多个众数的结果取均值作为新的众数，是较为满意的结果，则可以这样

   >>> import numpy as np
   >>> df.groupby('a').agg(lambda x: np.mean(pd.Series.mode(x))).reset_index()
     a    b
   0  A  1.0
   1  B  2.5