1

Tengo un csv en donde de una categoría debo sacar las 3 mayores repeticiones, entonces me quedé en filtrar que solo sean 3. Adjunto código de lo que estoy haciendo para que se entienda mejor.

N=df["NATIVE.COUNTRY"].value_counts()
print(N)

Aquí me imprime todas las nacionalidades (en este caso) pero yo solo necesito las 3 primeras. ¿Algún consejo? csv

https://www.mediafire.com/file/v476ejmdx8r35vz/titanic.csv/file

5
  • Ok, te podría ayudar pero no se cuales son tus datos, por favor muestra tus datos, el csv o el archivo con el que trabajes
    – Christian
    Commented el 19 jun. 2021 a las 1:39
  • @Christian ahí coloque una imagen bro Commented el 19 jun. 2021 a las 3:21
  • 2
    Imagen no, copia y pega los datos, como quieres que alguien re0lique eso?
    – Christian
    Commented el 19 jun. 2021 a las 3:42
  • @Christian ahí coloque un link para descargar el csv Commented el 19 jun. 2021 a las 4:23
  • 1
    Revisa el artículo sobre ¿Cómo elaboro una buena pregunta?, recuerda que debes aportar un ejemplo mínimo completo y verificable o sea, que tu problema sea reproducible; no obligues a los demás a trabajar demás y como sugerencia, copia unas 10 líneas representativas de tu CSV y tenlas en la pregunta, no en sitios externos, esto para que en un futuro otras personas con la misma duda puedan comprender el problema fácilmente sin depender de si el link sigue existiendo o no. Commented el 19 jun. 2021 a las 6:55

2 respuestas 2

0

Lo primero que debes haces es verificar la frecuencia de NATIVE.COUNTRY:

freq = df.groupby(['NATIVE.COUNTRY']).count()

print(freq)

Luego ordenas el resultado anterior: colocas el ascending=False para que lo ordene de forma descendente

bynativecountry = freq.sort_values('AGE', ascending=False
print(bynativecountry)

y luego verás quienes son los tres máximos usando el método head()

maximos = binarycountry.head(3)
print(maximos)
2
  • por que ordenas en base a la edad?
    – Christian
    Commented el 19 jun. 2021 a las 17:49
  • se puede ordenar en base a cualquier columna, si te das cuenta, se ha creado un data frame donde el principal es el que el interesa al OP (NATIVE.COUNTRY) ya lo que hace es contar cuantas veces aparece NATIVE.COUNTRY y por eso cada uno de los demás datos arroja el mismo resultado, pues está contando simplemente. Pero me gusta mucho más tu respuesta, ya le di mi voto. Commented el 19 jun. 2021 a las 23:33
0

Una forma simplificada de hacerlo seria utilizar el método apply() del Dataframe y hacer el ordenamiento ahí, de esta forma nos ahorramos código y hacemos menos operaciones por separado.

maximos = df.groupby("NATIVE.COUNTRY").count().apply(lambda x: x.sort_values(ascending=False)) #ordenamos de forma descendente
print(maximos.iloc[:3]) #escogemos los 3 primeros

En el método apply() le pasamos una lambda y lo que hace es ordenar los datos de forma descendente, si quieres ordenar en base a un campo en especifico se lo puedes especificar sort_values("campo",ascending=False) si no lo especificas la función se encargara de hacer un ordenamiento general. con iloc[] escogemos las primeras 3 filas, esto es útil si luego quieres trabajar con estos u operar con ellos.

resultado

AGE WORKCLASS FNLWGT ... CAPITAL.LOSS HOURS.PER.WEEK INCOME
NATIVE.COUNTRY ...
United-States 26232 26232 26232 ... 26232 26232 26232
Mexico 583 583 583 ... 583 583 583
? 529 529 529 ... 529 529 529

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.