通过 Pandas 计算每一行与共识的差异

Question

我有一个如下所示的数据框：

import pandas as pd
df = pd.DataFrame({'A':['a','b','c','d'],'B':['a','b','c','x'],'C':['y','b','c','d']})
df

   A  B  C
0  a  a  y
1  b  b  b
2  c  c  c
3  d  x  d

我想识别每行中最常见的字符，并计算与共识的差异总数：

       A  B  C Consensus
    0  a  a  y         a
    1  b  b  b         b
    2  c  c  c         c
    3  d  x  d         d
Total  0  1  1         0

运行循环是一种方法，但似乎效率低下：

consensus = []
for idx in df.index:
    consensus.append(df.loc[idx].value_counts().index[0])
df['Consensus'] = consensus

（等等）

有没有一种直接的方法来获得共识并从中计算差异？

Answer 1

您可以使用mode来获得共识值：

>>> df.mode(axis=1)
   0
0  a
1  b
2  c
3  d

但请注意文档中的警告：

获取沿所选轴的每个元素的模式。如果没有出现 2 次以上则为空。为每个标签的每个模式添加一行，用 nan 填充空白。

请注意，所选轴可能会返回多个值（当多个项目共享最大频率时），这就是返回数据帧的原因。如果你想用数据帧 df 中的模式来估算缺失值，你可以这样做： df.fillna(df.mode().iloc[0])

要计算每列与共识的差异ne，您可以进行比较，然后求和：

>>> df['consensus'] = df.mode(axis=1)
>>> df.loc[:, 'A':'C'].ne(df['consensus'], axis=0).sum(axis=0)
A    0
B    1
C    1
dtype: int64