2
data['col1'] = data['Name'].str.split(',').str.get(0)
data['col1'].groupby(data['col1']).value_counts()

Есть таблица, в которой нужно выбрать самое популярное женское имя (first name).
Разделение на имя и фамилию есть, также есть и группировка имён. В таблице около 1000 строк.

Как можно сделать фильтр по полу и как вывести имя, которое повторяется больше всего раз?

таблица train.csv

1
  • 1
    Для того, чтобы посмотреть ваш csv, нужно зарегистрироваться на стороннем ресурсе. Спасибо, нет.
    – strawdog
    14 фев 2020 в 20:17

1 ответ 1

6

Задача не совсем тривиальная, как может показаться на первый взгляд. Вот пример женских имен из датасета "Titanic":

введите сюда описание изображения

Обратите внимание, что у замужних женщин чаще всего после "Mrs." стоит имя мужа, а имя и фамилия женщины располагаются в скобках.

Предлагаю сначала парсить имена замужних женщин из скобок, а потом все оставшиеся:

def parse_first_name_female(name):
    first = name.str.extract(r"Mrs\.\s+[^(]*\((\w+)", expand=False)
    first.loc[first.isna()] = name.str.extract(r"\.\s+(\w+)", expand=False)
    return first

Результат:

введите сюда описание изображения

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.