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
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
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：
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
df.mode()结果：
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
df.mode(numeric_only=True)结果：
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
df.mode(axis=1)结果：
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）。