1. 問題

有如下一個dataframe，打算對a的每一個類別求b的眾數(mode)，dir(df.groupby('a'))可以看到是沒有mode函式的，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. 解決方案

既然df.groupby('a')沒有mode函式，又考慮到可能聚合函式agg能夠接用外部函式，搜尋網上的解決辦法，經過嘗試，在此總結並列出以下幾種解決方案（當然也可以直接跳到最後一個解決方案）。

1. 使用scipy.stats.mode()：df中的B類別有兩個眾數，返回的結果B類別的眾數取了較小的結果

   >>> 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：可以看到得到的結果中的index是取值，內容是計數，並且index是降序排列的，因此取index[0]是取最大值，因此有兩個眾數以上的時候，會取到較大的結果

   >>> 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) 應用到dataframe的groupby之後的聚合函式中：

   >>> 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()：該函式是返回Series的眾數的，當眾數有多個時，會返回一個list，裡面包含了所有眾數

   >>> 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()：上述結果顯然不是我想要的，但是如果對有多個眾數的結果取均值作為新的眾數，是較為滿意的結果，則可以這樣

   >>> 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