DataFrame.mode(self, axis=0, numeric_only=False, dropna=True) → 'DataFrame'
获取沿选定轴的每个元素的mode(s) 。
一组值的mode是最常出现的值。它可以是多个值。
参数： | axis : {0 或 ‘index’, 1 或 ‘columns’}, 默认为 搜索mode时要迭代的axis： 1) 0或'index'：获取各列的mode 2) 1或'columns'：获取每一行的mode。 numeric_only ： 如果为True，则仅适用于数字列。 dropna ： 不要考虑 0.24.0版中的新功能。 |
返回值： |
每列或每行的mode |
例子
1）对 DataFrame 的列计算众数
import pandas as pd
data = {'A': [1, 2, 2, 3, 4],
'B': [5, 5, 6, 7, 7],
'C': ['x', 'y', 'y', 'z', 'z']}
df = pd.DataFrame(data)
# 计算每列的众数
print(df.mode())
2）计算行的众数
import pandas as pd
data = {'A': [1, 2, 2, 3, 4],
'B': [5, 5, 6, 7, 7],
'C': [5, 7, 9, 2, 3]}
df = pd.DataFrame(data)
# 计算每行的众数
print(df.mode(axis=1))
3）忽略缺失值（NaN）
import pandas as pd
data = {'A': [1, 2, 2, 3, 4],
'B': [5, 5, 6, 7, 7],
'C': ['x', 'y', 'y', 'z', 'z']}
df = pd.DataFrame(data)
data_with_nan = {'A': [1, 2, 2, 3, None],
'B': [5, None, 5, 6, 7]}
df_nan = pd.DataFrame(data_with_nan)
# 计算众数，默认会忽略 NaN 值
print(df_nan.mode())
4）计算数值列的众数
import pandas as pd
data = {'A': [1, 2, 2, 3, 4],
'B': [5, 5, 6, 7, 7],
'C': [5, 7, 9, 2, 3]}
data_with_nan = {'A': [1, 2, 2, 3, None],
'B': [5, None, 5, 6, 7]}
df_nan = pd.DataFrame(data_with_nan)
df = pd.DataFrame(data)
# 只计算数值列的众数
print(df_nan.mode(numeric_only=True))