【Pandas】pandas DataFrame mode

Pandas2.2 DataFrame

Computations descriptive stats

方法 描述
DataFrame.abs() 用于返回 DataFrame 中每个元素的绝对值
DataFrame.all(axis, bool_only, skipna) 用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*, axis, bool_only, skipna) 用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip(lower, upper, axis, inplace) 用于截断(限制)DataFrame 中的数值
DataFrame.corr(method, min_periods, ...) 用于计算 DataFrame 中各列之间的相关系数矩阵(Correlation Matrix)
DataFrame.corrwith(other, axis, drop, ...) 用于计算当前 DataFrame 的每一列(或行)与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count(axis, numeric_only) 用于统计 DataFrame 中每列或每行的非空(非 NaN)元素数量
DataFrame.cov(min_periods, ddof, numeric_only) 用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax(axis, skipna) 用于计算 DataFrame 中每列或每行的累计最大值(cumulative maximum)
DataFrame.cummin(axis, skipna) 用于计算 DataFrame 中每列或每行的累计最小值(cumulative minimum)
DataFrame.cumprod(axis, skipna) 用于计算 DataFrame 中每列或每行的累计乘积(cumulative product)
DataFrame.cumsum(axis, skipna) 用于计算 DataFrame 中每列或每行的累计和(cumulative sum)
DataFrame.describe(percentiles, include, ...) 用于快速生成数据集的统计摘要(summary statistics)
DataFrame.diff(periods, axis) 用于计算 DataFrame 中相邻行或列之间的差值(差分)
DataFrame.eval(expr, *, inplace) 用于在 DataFrame 上下文中高效地执行字符串形式的表达式运算
DataFrame.kurt(axis, skipna, numeric_only) 用于计算 DataFrame 中每列或每行的峰度(Kurtosis)
DataFrame.kurtosis(axis, skipna, numeric_only) 用于计算 DataFrame 中每列或每行的峰度(Kurtosis)
DataFrame.max(axis, skipna, numeric_only) 用于计算 DataFrame 中每列或每行的最大值(maximum)
DataFrame.mean(axis, skipna, numeric_only) 用于计算 DataFrame 中每列或每行的平均值(mean)
DataFrame.median(axis, skipna, numeric_only) 用于计算 DataFrame 中每列或每行的中位数(median)
DataFrame.min(axis, skipna, numeric_only) 用于计算 DataFrame 中每列或每行的最小值(minimum)
DataFrame.mode(axis, numeric_only, dropna) 用于查找 众数(出现频率最高的值) 的方法

pandas.DataFrame.mode()

pandas.DataFrame.mode() 是 Pandas 中用于查找 众数(出现频率最高的值) 的方法。它返回一个 DataFrame,其中包含每列或每行的众数。

语法
python 复制代码
DataFrame.mode(axis=0, numeric_only=False, dropna=True)
参数说明
参数 类型 默认值 描述
axis int 或 str 0 定义计算方向: - 0 或 'index':按列计算众数 - 1 或 'columns':按行计算众数
numeric_only bool False 是否仅考虑数值类型(如 int、float),忽略字符串、对象等
dropna bool True 是否在计算前删除 NaN 值
返回值
  • 返回一个新的 DataFrame,每一列/行中包含该列/行的所有众数。
  • 如果某列有多个众数,则会以多行形式展示。

示例
示例数据:
python 复制代码
import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 2, 3, 3],
    'B': [4, 5, 5, 5, 6],
    'C': ['x', 'y', 'y', 'z', 'z']
})

输出原始数据:

复制代码
   A  B  C
0  1  4  x
1  2  5  y
2  2  5  y
3  3  5  z
4  3  6  z

示例 1:默认参数(按列计算所有类型的众数)
python 复制代码
df.mode()

结果:

复制代码
   A  B  C
0  2  5  y
1  3  5  z

解释:

  • 列 A 的众数是 2 和 3(各出现两次)
  • 列 B 的众数是 5(出现三次)
  • 列 C 的众数是 y 和 z(各出现两次)

示例 2:只考虑数值类型 (numeric_only=True)
python 复制代码
df.mode(numeric_only=True)

结果:

复制代码
   A  B
0  2  5
1  3  5

解释:

  • 忽略非数值列 C,只显示 A 和 B 的众数

示例 3:按行计算众数 (axis=1)
python 复制代码
df.mode(axis=1)

结果:

复制代码
   0
0  1
1  2
2  2
3  3
4  3

解释:

  • 每一行的众数(这里每行只有一个众数)

注意事项
  • 若某列/行没有重复值,将返回空值或原始数据中第一个值。
  • 支持处理 NaN 值(通过 dropna 控制是否排除)。
  • 当存在多个众数时,会全部列出(作为多行)。

相关推荐
Wellijohn6 小时前
我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
人工智能·python·mcp
2601_967980117 小时前
python pytest怎样测试代码
python·pytest·测试·文档·断言
伞伞悦读8 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习
ch6238 小时前
🚀 从零构建本地文档智能审查 Agent:Vibe Coding 实战指南
python
摇滚侠9 小时前
《On Java 中文版 基础卷》阅读笔记 接口 18
java·笔记·python
Thanks_ks9 小时前
AI Agent 开发入门:用 Function Calling 让大模型学会 “动手干活”,附订单查询机器人实战
python·ai·大模型·openai·agent·通义千问·mcp
专注仿真10 小时前
智能体训练之模仿学习:GAIL 算法详解与实战
python·算法·仿真·多智能体强化学习·afsim智能体训练
databook11 小时前
处理一批 PDF,怎么算真的处理完了
后端·python
承渊政道13 小时前
【Python编程快速上手—让繁琐工作自动化】(列表:把数据排成队,从下标取值到深拷贝)
开发语言·python·pycharm·自动化·列表
大胖爱学习_MJ13 小时前
Agent 如何安全地拿数据库密码?基于 HashiCorp Vault 的动态凭证下发
经验分享·python