pandas groupby和find most Frequency值(模式)

Question

我有一个数据框，看起来像这样

user_id product_id  created_at
    1   100         2019-04-21 20:20:00
    1   100         2019-04-23 00:10:00
    1   200         2019-05-24 10:00:00
    1   200         2020-06-24 10:10:24
    2   100         2019-01-22 21:10:00
    2   200         2019-04-25 20:23:30
    2   300         2021-01-21 10:20:00
    3   400         2019-12-21 10:20:00
    3   400         2021-04-21 10:20:00

我正在试着为每个user_id找出购买最多的product_id。我知道我可以结合使用groupby和value_counts或pd.Series.mode来实现这一点。如下所示：

df.groupby(['user_id'])['product_id',].apply(lambda x: x.value_counts().index[0]).reset_index()

这可以很好地工作，直到我得到一个拥有两个或更多具有相同计数的product_id的user_id (就像在示例数据帧中一样)。当发生这种情况时，理想情况下，我希望选择具有最新created_at的product_id。因此，对于例如。对于user_id 1，我想选择product_id 200，因为它是最近购买的。

实现这一目标的最佳方式是什么？

Answer 1

您可以计算日期的count和max，然后对这些值进行排序并删除重复项(或使用groupby().head())：

s = df.groupby(['user_id','product_id'])['created_at'].agg(['count','max'])
s.sort_values(['count','max'], ascending=False).groupby('user_id').head(1)

输出：

                    count                  max
user_id product_id                            
3       400             2  2021-04-21 10:20:00
1       200             2  2020-06-24 10:10:24
2       300             1  2021-01-21 10:20:00

Answer 2

df.\
sort_values("created_at", ascending=False).\
groupby(["user_id", "product_id"], sort=False, as_index=False).\
count().\
groupby("user_id", as_index=False).\
head(1)

#   user_id  product_id  created_at
# 0       1         200           2
# 1       2         300           1
# 2       3         400           2