使用np.bincount查找np.array众数时遇类型转换错误如何解决？

错误原因 #

np.bincount()仅支持非负整数类型的输入数组，你的数组是浮点数类型（如0.41、0.42），强制转换为整数会丢失精度且不符合numpy的安全转换规则，因此抛出类型错误。

解决方案 #

方案1：将浮点数转整数处理（适配bincount） #

由于你的值都保留两位小数，可以先乘以100转为整数，处理后再还原：

# 转换为整数（消除小数位）
int_array = (values_array * 100).astype(np.int64)
# 用bincount统计频次并找众数对应的整数
top_int = np.argmax(np.bincount(int_array))
# 还原为原浮点数
top_value = top_int / 100.0

方案2：用scipy直接计算浮点数众数 #

如果项目中已安装scipy，scipy.stats.mode可以直接处理浮点数数组：

from scipy.stats import mode

# 计算众数，keepdims=False简化结果格式
top_value = mode(values_array, keepdims=False)[0]

方案3：用numpy unique统计频次（无额外依赖） #

无需第三方库，通过np.unique获取唯一值和对应频次，再找频次最高的值：

# 获取数组中的唯一值及其出现次数
unique_vals, counts = np.unique(values_array, return_counts=True)
# 找到频次最高的那个值
top_value = unique_vals[np.argmax(counts)]

额外优化：提升数组追加效率 #

你当前每次用np.append都会重新创建数组，效率较低。建议先用列表收集值，最后再转为numpy数组：

# 初始化列表
values_list = []
# while循环中追加值
values_list.append(round(value, 2))
# 循环结束后转为numpy数组
values_array = np.array(values_list, dtype=np.float32)

内容的提问来源于stack exchange，提问作者aetosti