数据帧中值对出现的次数

我有包含以下列的数据框：

Name, Surname, dateOfBirth, city, country

我有兴趣找出最常见的名字和姓氏组合以及它出现的频率。 如果能看到前 10 名组合的列表就好了。

我对第一名的想法是：

mostFreqComb= df.groupby(['Name','Surname'])['Name'].count().argmax()

但我认为它没有给我正确的答案。 非常感谢您的帮助！

谢谢， 鼻

有关以下解决方案的性能影响，请参阅Pandas groupby.size vs series.value_counts vs collections.Counter 具有多个系列 https://stackoverflow.com/questions/50328246/pandas-groupby-size-vs-series-value-counts-vs-collections-counter-with-multiple。下面首先介绍它们，其中性能最佳。

GroupBy.size https://pandas.pydata.org/pandas-docs/stable/generated/pandas.core.groupby.GroupBy.size.html

您可以使用（姓名，姓氏）元组索引创建一系列计数GroupBy.size:

res = df.groupby(['Name', 'Surname']).size().sort_values(ascending=False)

通过对这些值进行排序，我们可以轻松提取最常见的值：

most_common = res.head(1)
most_common_dups = res[res == res.iloc[0]].index.tolist()  # handles duplicate top counts

value_counts https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.value_counts.html

另一种方法是构造一系列元组，然后应用pd.Series.value_counts:

res = pd.Series(list(zip(df.Name, df.Surname))).value_counts()

结果将是一系列按姓名组合索引的计数，从最常见到最少排序。

name, surname = res.index[0]  # return most common
most_common_dups = res[res == res.max()].index.tolist()

collections.Counter https://docs.python.org/3/library/collections.html#collections.Counter

如果你想创建一个字典(name, surname): counts条目，您可以通过collections.Counter:

from collections import Counter

zipper = zip(df.Name, df.Surname)
c = Counter(zipper)

Counter有有用的方法，例如most_common，您可以使用它来提取结果。