我有以下列的数据框：
Name, Surname, dateOfBirth, city, country
我很想知道什么是最常见的名字和姓氏的组合，以及它发生了多少。如果能看到前10种组合的列表，那就太好了。
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。帮助将不胜感激！
谢了，奈伯
有关以下解决方案的性能影响，请参阅Pandas grouppby. size vs系列。value_countsvs集合。具有多个系列的计数器。它们首先以最佳性能呈现在下面。
您可以使用GroupBy. size使用（Name，Surname）元组索引创建一系列计数：
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：
most_common = res.head(1)
most_common_dups = res[res == res.iloc[0]].index.tolist() # handles duplicate top counts
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()
结果将是一系列按名称-姓氏组合索引的计数，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()
如果你想创建一个（name， surname）的字典：计数条目，你可以通过集合。计数器：
from collections import Counter
zipper = zip(df.Name, df.Surname)
c = Counter(zipper)
计数器具有有用的方法，例如most_common，您可以使用它们来提取结果。
似乎是高性能计数器的一个很好的用例：
from collections import Counter
popular_names = Counter(zip(df.Name, df.Surname)).most_common(10)
