Pandas.DataFrame.mode() 众数详解含代码含测试数据集随Pandas版本持续更新

关于Pandas版本： 本文基于 pandas2.2.0 编写。

关于本文内容更新： 随着pandas的stable版本更迭，本文持续更新，不断完善补充。

传送门： Pandas API参考目录

传送门： Pandas 版本更新及新特性

传送门： Pandas 由浅入深系列教程

本节目录

Pandas.DataFrame.mode()
- 语法：
- 返回值：
- 参数说明：
- - axis 指定计算方向（行或列）
  - dropna 忽略缺失值
  - numeric_only 只计算纯数值类型的行或列
- 相关方法：
- 示例：
- - 例1：计算每列或每行的众数
  - 例2、求 `DataFrame` 每行的乘积
  - 例3：只计算数据类型是数值的行或列

Pandas.DataFrame.mode()

DataFrame.mode 方法用于返回行或列的众数。

⚠️ 注意 :

某行某列出现次数最多的值就是众数，这个值可以是字符串类型的。

众数可以有多个。

所有元素出现的次数都一样，则这些元素都将作为众数返回。

数值相等的浮点数、整数，在求众数时，会被解析为相同的元素，例如1.0和1 在同行或同列出现，则被理解为数字1出现了2次。

缺失值占位： 指的是构建DataFrame 时，如果行或列不等长（元素数量不一致），缺失的位置，将以缺失值（Nan）代替。

语法：

DataFrame.mode(axis=0, numeric_only=False, dropna=True)

返回值：

DataFrame

以 DataFrame 的形式返回每行或每列的众数。
- 众数的数量不一致时，会以缺失值(NaN) 占位。^例1

参数说明：

axis 指定计算方向（行或列）

axis : {index (0), columns (1)

axis 参数，用于指定计算方向，即指定计算每行的众数，或计算没列的众数： ^例1
- 0 or ‘index’: 计算每列众数。
- 1 or ‘columns’： 计算每行的众数。

dropna 忽略缺失值

dropna : bool, default True

dropna 参数，用于控制是否在计算众数时忽略缺失值，默认 dropna=True 表示缺失值（Nan）不参与众数计算：。例2
- True: 示缺失值（Nan）不参与众数计算（默认）。
  
  ⚠️ 注意:
  
  dropna=True 只是计算众数时，不在考虑缺失值（Nan）的数量，但是在结果中依然有可能存在缺失值（Nan）占位。
- False： 示缺失值（Nan）参与众数计算。
  
  ⚠️ 注意:
  
  缺失值的众数，依然是缺失值（Nan）

numeric_only 只计算纯数值类型的行或列

numeric_only : bool, default False

numeric_only 参数，用于控制是否只计算纯数值类型的行或列：^例3
- False： 计算所有数据类型的行或列（默认）。
- True: 只计算数值类型的行或列。
⚠️ 注意 :

在众数计算时，整数、浮点数、布尔值、复数，都可以参与计算。

复数类型的列，如果在返回的 DataFrame 中，需要缺失值（Nan）占位，将表示为 NaN+0.0j

示例：

测试文件下载：

本文所涉及的测试文件，如有需要，可在文章顶部的绑定资源处下载。

若发现文件无法下载，应该是资源包有内容更新，正在审核，请稍后再试。或站内私信作者索要。

测试文件下载位置.png

测试文件下载位置

例1：计算每列或每行的众数

例1-1、创建演示数据

import numpy as np
import pandas as pd

df = pd.DataFrame(
    [("bird", 2, 2), ("mammal", 4, 1), ("arthropod", 8, 0), ("bird", 2, np.nan)],
    index=("falcon", "horse", "spider", "ostrich"),
    columns=("species", "legs", "wings"),
)
df

	species	legs	wings
falcon	bird	2	2.0
horse	mammal	4	1.0
spider	arthropod	8	0.0
ostrich	bird	2	NaN

例1-2、计算每列的众数，可以传递 axis=0 也可以保持默认（不传递axis参数）

df.mode()  # 等效于df.mode(axis=0)

	species	legs	wings
0	bird	2.0	0.0
1	NaN	NaN	1.0
2	NaN	NaN	2.0

注意观察 wings 列，由于返回了多个众数 ,其他两列的的结果里，用缺失值占位。

例1-2、计算每列的众数，传递 axis=1 。

df.mode(axis=1)

C:\Users\Administrator\AppData\Local\Temp\ipykernel_11456\1210916842.py:1: UserWarning: Unable to sort modes: '<' not supported between instances of 'int' and 'str'
  df.mode(axis=1)

	0	1	2
falcon	2	NaN	NaN
horse	mammal	4.0	1.0
spider	arthropod	8.0	0.0
ostrich	bird	2.0	NaN

注意观察结果，falcon行里的NaN，是占位缺失值，ostrich行的NaN，则是作为众数返回的NaN。当数据量比较大的时候，你可能将无法判断返回的NaN的具体属性。可以结合dropna参数，来控制计算众数时，是否包含缺失值。

C:\Users\Administrator\AppData\Local\Temp\ipykernel_11456\1210916842.py:1: UserWarning: Unable to sort modes: '<' not supported between instances of 'int' and 'str' df.mode(axis=1)

这个提示，并不影响结果的正确性，只是在告诉你，当前结果因为数据类型不同，无法排序。

例2、求 `DataFrame` 每行的乘积

例2-1、构建演示数据

import numpy as np
import pandas as pd

df2 = pd.DataFrame(
    [
        ("字符串1", 2, 2),
        ("字符串2", 4, 1),
        ("字符串1", 8, np.nan),
        ("字符串4", 2, np.nan),
    ],
    index=("第1行", "第2行", "第3行", "第4行"),
    columns=("第1列", "第2列", "第3列"),
)
df2

	第1列	第2列	第3列
第1行	字符串1	2	2.0
第2行	字符串2	4	1.0
第3行	字符串1	8	NaN
第4行	字符串4	2	NaN

观察这个示例数据，如果对列求众数，默认情况下 dropna=True(表示缺失值不参与众数计算), 那么第1列众数是字符串1，第2列众数是2，第3列众数应该是 1.0和2.0，例如：

df2.mode()

	第1列	第2列	第3列
0	字符串1	2.0	1.0
1	NaN	NaN	2.0

注意观察上面的结果，NaN 是确实占位，不是众数计算结果。

例2-3、当dropna=False , NaN将会参与到众数计算，例如：

df2.mode(dropna=False)

	第1列	第2列	第3列
0	字符串1	2	NaN

注意观察结果，此时第3列的NaN，是众数结果，而不是占位。

例3：只计算数据类型是数值的行或列

例3-1，构建演示数据

import numpy as np
import pandas as pd

df3 = pd.DataFrame(
    [
        ("字符串1", 2, 2, True,1+2j),
        ("字符串2", 4, 1, True,1+2j),
        ("字符串1", 8, np.nan, False,1+2j),
        ("字符串4", 2, np.nan, True,1+3j),
    ],
    index=("第1行", "第2行", "第3行", "第4行"),
    columns=("字符串类型", "整数类型", "浮点数类型", "布尔类型",'复数类型'),
)
df3