Pytorch中的众数

1. 众数的基础概念

众数（Mode） 是统计学中的基本概念，指的是在一组数据中出现频率最高的数值。

• 如果一组数据中有多个数值出现的频率相同且都是最高，那么这组数据就有多个众数；
• 如果所有数值出现的频率都相同，那么这组数据没有众数；
• 众数是唯一不要求数据是数值型的统计量（比如 ["苹果", "苹果", "香蕉"] 的众数是"苹果"），但在 PyTorch 中仅支持数值型张量。

2. PyTorch 中 torch.mode() 的用法

torch.mode() 专门用于计算张量的众数，核心参数是 dim（指定计算维度），返回两个张量：

• values：对应维度上的众数值；
• indices：众数值在原张量中的索引位置。

完整示例代码

import torch

# 示例1：一维张量的众数
a = torch.tensor([1, 2, 2, 3, 3, 3, 4])
mode_val, mode_idx = torch.mode(a)
print("一维张量众数:", mode_val.item())  # 输出 3（3出现次数最多）
print("众数索引:", mode_idx.item())     # 输出 3（3第一次出现在索引3的位置）

# 示例2：二维张量按维度计算众数
b = torch.tensor([[1, 2, 2], 
                  [3, 3, 4], 
                  [3, 2, 2]])

# 按列（dim=0）计算众数：每一列的众数
mode_col_val, mode_col_idx = torch.mode(b, dim=0)
print("按列众数:", mode_col_val)  # 输出 tensor([3, 2, 2])
print("按列众数索引:", mode_col_idx)  # 输出 tensor([1, 0, 0])

# 按行（dim=1）计算众数：每一行的众数
mode_row_val, mode_row_idx = torch.mode(b, dim=1)
print("按行众数:", mode_row_val)  # 输出 tensor([2, 3, 2])
print("按行众数索引:", mode_row_idx)  # 输出 tensor([1, 0, 1])

特殊情况说明

如果张量中有多个数值出现频率相同且最高，torch.mode() 会返回最先出现的那个数值：

c = torch.tensor([1, 1, 2, 2, 3])  # 1和2都出现2次（最高）
mode_c, idx_c = torch.mode(c)
print("多众数时返回最先出现的:", mode_c.item())  # 输出 1

总结

1. 核心定义 ：众数是一组数据中出现次数最多的数值，是描述数据集中趋势的统计量（和均值、中位数并列）。
2. PyTorch 用法 ：torch.mode() 计算张量众数，指定 dim 可按维度计算，返回"众数值+首次出现索引"。
3. 特殊规则 ：存在多个众数时，PyTorch 会返回最先出现的那个数值。