如何在Python Pandas DataFrame代码中识别并处理多个众数

你的代码在单个众数场景下能正常运行，但遇到多个频率相同的众数时，只会保留第一个众数，其他众数会被错误替换成'Other'。要处理这种情况，需要先找出所有频率最高的众数，再执行替换操作。

修改后的完整代码 #

import numpy as np
import pandas as pd

data19 = np.random.randint(46,50,size = 10)
df19 = pd.DataFrame(data19, columns = ["integer"])
print("原始DataFrame：")
print(df19)

freq19 = df19["integer"].value_counts()
print("\n频率统计：")
print(freq19)

# 找出所有频率等于最高频率的众数
max_freq = freq19.max()
modes = freq19[freq19 == max_freq].index

# 判断每个值是否属于众数集合
find_mode = df19["integer"].isin(modes)
# 替换非众数为'Other'
df19.loc[~find_mode, "integer"] = "Other"

print("\n处理后的DataFrame：")
print(df19)

关键修改说明 #

• 先通过freq19.max()获取最高频率值，再筛选出所有频率等于该值的索引，得到全部众数，而非仅取第一个。
• 使用isin(modes)判断元素是否属于众数集合，能同时匹配多个众数，避免遗漏。

比如当随机序列中有两个众数（如46和47都出现3次，为最高频率），修改后的代码会保留这两个值，仅替换其他值为'Other'。

内容的提问来源于stack exchange，提问作者ronzenith