中山网站免费制作推广服务公司

Pandas2.2 DataFrame

Computations descriptive stats

方法	描述
DataFrame.abs()	用于返回 DataFrame 中每个元素的绝对值
DataFrame.all([axis, bool_only, skipna])	用于判断 DataFrame 中是否所有元素在指定轴上都为 True
DataFrame.any(*[, axis, bool_only, skipna])	用于判断 DataFrame 中是否至少有一个元素在指定轴上为 True
DataFrame.clip([lower, upper, axis, inplace])	用于截断（限制）DataFrame 中的数值
DataFrame.corr([method, min_periods, …])	用于计算 DataFrame 中各列之间的相关系数矩阵（Correlation Matrix）
DataFrame.corrwith(other[, axis, drop, …])	用于计算当前 DataFrame 的每一列（或行）与另一个 Series 或 DataFrame 中对应列的相关系数
DataFrame.count([axis, numeric_only])	用于统计 DataFrame 中每列或每行的非空（非 NaN）元素数量
DataFrame.cov([min_periods, ddof, numeric_only])	用于计算 DataFrame 中每对列之间的协方差
DataFrame.cummax([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最大值（cumulative maximum）
DataFrame.cummin([axis, skipna])	用于计算 DataFrame 中每列或每行的累计最小值（cumulative minimum）
DataFrame.cumprod([axis, skipna])	用于计算 DataFrame 中每列或每行的累计乘积（cumulative product）
DataFrame.cumsum([axis, skipna])	用于计算 DataFrame 中每列或每行的累计和（cumulative sum）
DataFrame.describe([percentiles, include, …])	用于快速生成数据集的统计摘要（summary statistics）
DataFrame.diff([periods, axis])	用于计算 DataFrame 中相邻行或列之间的差值（差分）
DataFrame.eval(expr, *[, inplace])	用于在 DataFrame 上下文中高效地执行字符串形式的表达式运算
DataFrame.kurt([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）
DataFrame.kurtosis([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的峰度（Kurtosis）
DataFrame.max([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的最大值（maximum）
DataFrame.mean([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的平均值（mean）
DataFrame.median([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的中位数（median）
DataFrame.min([axis, skipna, numeric_only])	用于计算 DataFrame 中每列或每行的最小值（minimum）
DataFrame.mode([axis, numeric_only, dropna])	用于查找 众数（出现频率最高的值） 的方法

pandas.DataFrame.mode()

pandas.DataFrame.mode() 是 Pandas 中用于查找 众数（出现频率最高的值） 的方法。它返回一个 DataFrame，其中包含每列或每行的众数。

语法

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

参数说明

参数	类型	默认值	描述
axis	int 或 str	0	定义计算方向： - 0 或 'index'：按列计算众数 - 1 或 'columns'：按行计算众数
numeric_only	bool	False	是否仅考虑数值类型（如 int、float），忽略字符串、对象等
dropna	bool	True	是否在计算前删除 NaN 值

返回值

• 返回一个新的 DataFrame，每一列/行中包含该列/行的所有众数。
• 如果某列有多个众数，则会以多行形式展示。

---

示例

示例数据：

import pandas as pddf = pd.DataFrame({'A': [1, 2, 2, 3, 3],'B': [4, 5, 5, 5, 6],'C': ['x', 'y', 'y', 'z', 'z']
})

输出原始数据：

   A  B  C
0  1  4  x
1  2  5  y
2  2  5  y
3  3  5  z
4  3  6  z

---

示例 1：默认参数（按列计算所有类型的众数）

df.mode()

结果：

   A  B  C
0  2  5  y
1  3  5  z

解释：

• 列 A 的众数是 2 和 3（各出现两次）
• 列 B 的众数是 5（出现三次）
• 列 C 的众数是 y 和 z（各出现两次）

---

示例 2：只考虑数值类型 (numeric_only=True)

df.mode(numeric_only=True)

结果：

   A  B
0  2  5
1  3  5

解释：

• 忽略非数值列 C，只显示 A 和 B 的众数

---

示例 3：按行计算众数 (axis=1)

df.mode(axis=1)

结果：

   0
0  1
1  2
2  2
3  3
4  3

解释：

• 每一行的众数（这里每行只有一个众数）

---

注意事项

• 若某列/行没有重复值，将返回空值或原始数据中第一个值。
• 支持处理 NaN 值（通过 dropna 控制是否排除）。
• 当存在多个众数时，会全部列出（作为多行）。

---