Python Pandas DataFrame mode方法用法及代碼示例

例子

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[2,3,3], "B":[3,4,5], "C":[2,2,2]})
df



   A  B  C
0  2  3  2
1  3  4  2
2  3  5  2

逐列模式

按列計算眾數：

df.mode()   # or axis=0



   A    B  C
0  3.0  3  2.0
1  NaN  4  NaN
2  NaN  5  NaN

在此，請注意以下事項：

• 第一列的模式是 3 。

• 第二列的模式是 3 、 4 和 5 因為這些值中的每一個都隻出現一次。

• 由於mode(~) 返回所有模式，因此我們最終得到 3 行，NaN 用於填充空條目。

• 返回類型為DataFrame。

逐行模式

要按行計算模式，請設置 axis=1 ：

df.mode(axis=1)



   0    1    2
0  2.0  NaN  NaN
1  2.0  3.0  4.0
2  2.0  3.0  5.0

指定numeric_only

考慮以下 DataFrame ：

df = pd.DataFrame({"A":[4,4], "B":[2,True]})
df



   A  B
0  4  2
1  4  True

這裏，B 列包含混合類型。

False

默認情況下， numeric_only=False ，這意味著混合類型的行/列也會被考慮：

df.mode()   # numeric_only=False



   A    B
0  4.0  True
1  NaN  2

True

通過設置 numeric_only=True ，僅考慮數字行/列：

df.mode(numeric_only=True)



   A
0  4

請注意 B 列如何被忽略，因為它包含混合類型。

指定 dropna

考慮以下帶有一些缺失值的DataFrame：

df = pd.DataFrame({"A":[3,3,pd.np.nan],"B":[5,pd.np.nan,pd.np.nan]})
df



   A    B
0  3.0  5.0
1  3.0  NaN
2  NaN  NaN

默認情況下， dropna=True ，這意味著所有 NaN 都會被忽略：

df.mode()   # dropna=True



   A    B
0  3.0  5.0

考慮缺失值：

df.mode(dropna=False)



   A    B
0  3.0  NaN

在此，請注意以下事項：

• 即使列 A 包含 NaN ，也會返回正確的模式 ( 3 )。

• B 列的眾數為 NaN，因為它出現了兩次，而值 5 僅出現了一次。