Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas dataframe.mode()
函數獲取沿所選軸的每個元素的模式。為每個標簽的每種模式添加一行,並用nan填充空格。請注意,對於選定的軸,可能返回多個值(當一個以上項目共享最大頻率時),這就是返回數據幀的原因。
用法: DataFrame.mode(axis=0, numeric_only=False)
參數:
axis: get mode of each column1, get mode of each row
numeric_only: if True, only apply to numeric columns
返回值:模式:DataFrame(排序)
範例1:采用mode()
函數在索引軸上查找模式。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df=pd.DataFrame({"A":[14,4,5,4,1],
"B":[5,2,54,3,2],
"C":[20,20,7,3,8],
"D":[14,3,6,2,6]})
# Print the dataframe
df
讓我們使用dataframe.mode()
函數查找數據幀的模式
# find mode of dataframe
df.mode()
輸出:
範例2:采用mode()
在列軸上查找模式的函數
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df=pd.DataFrame({"A":[14,4,5,4,1],
"B":[5,2,54,3,2],
"C":[20,20,7,3,8],
"D":[14,3,6,2,6]})
# Print the dataframe
df
讓我們使用dataframe.mode()
查找模式的函數
# axis = 1 indicates over the column axis
df.mode(axis = 1)
輸出:
在第0和第3行中,模式14和3是出現的次數最多的模式(即2)。在該列的其餘部分,所有元素均為模式,因為它們的發生頻率相同。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas dataframe.mode()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。