如何在Pandas中合并多列Series数据并计算众数？

• 将5个Series打包为列表，用pd.concat()合并，通过ignore_index=True重置索引，得到包含所有数据的单列Series：

import pandas as pd

# 假设你的5个Series分别为s1、s2、s3、s4、s5
combined_series = pd.concat([s1, s2, s3, s4, s5], ignore_index=True)

• 直接对合并后的Series调用.mode()方法，即可获取出现频次最高的值：

most_frequent_value = combined_series.mode()

常见问题排查 #

• 若之前用append()失败：Pandas 1.4.0版本后Series.append()已被弃用，旧版本中多次append不仅效率低，还可能因未重置索引导致数据结构不符合预期。
• 若用concat()未达预期：如果没加ignore_index=True，合并后的Series会保留原重复索引，但这并不影响.mode()计算；如果你的预期是“连续无重复索引”，添加该参数即可解决。
• 确认变量类型：检查每个数据是否为pandas.Series（而非DataFrame单列），可通过type(s1)验证，类型错误会导致合并后生成多列DataFrame。

内容的提问来源于stack exchange，提问作者VJ1222