Pandas在一列中删除重复项，而在另一列中仅保留具有最频繁值的行

Question

我有一个数据帧，如下所示：

ip_address    malware_type
ip_1          malware_1
ip_2          malware_2
ip_1          malware_1
ip_1          malware_1
ip_1          malware_2
ip_2          malware_2
ip_2          malware_3
.
.
.

我想删除基于'ip_address‘列的重复行，但是当删除发生时，我想只保留对于每个IP最频繁的'malware_type’值。因此，生成的数据帧应该如下所示：

ip_address    malware_type
ip_1          malware_1
ip_2          malware_2
.
.
.

如果能帮助我实现上述目标，我将不胜感激。谢谢。

Answer 1

让我们试试mode

s=df.groupby('ip_address').malware_type.agg(lambda x : x.mode()[0]) # .reset_index()
Out[56]: 
ip_address
ip_1    malware_1
ip_2    malware_2
Name: malware_type, dtype: object

Answer 2

您可以在pd.Series.mode中使用GroupBy.agg

df.groupby('ip_address').malware_type.agg(pd.Series.mode)

ip_address
ip_1    malware_1
ip_2    malware_2
Name: malware_type, dtype: object

你可以在这里使用scipy.stats.mode。

from scipy.stats import mode
df.groupby('ip_address').malware_type.agg(lambda x: mode(x).mode)

ip_address
ip_1    malware_1
ip_2    malware_2
Name: malware_type, dtype: object

另一种是使用collection.Counter的most_common方法。

def md(s):
    c = Counter(s)
    return c.most_common(1)[0][0]

df.groupby('ip_address').malware_type.agg(md)

ip_address
ip_1    malware_1
ip_2    malware_2
Name: malware_type, dtype: object