DataFrame列众数生成共识序列时的NaN问题排查与解决

NaN的来源 #

df.mode(axis=0)返回结果里的NaN，核心原因是部分列存在多个频次相同的众数：

• 如果某一列只有一个最高频字符（唯一众数），mode()仅在第一行输出这个字符，后续行的对应位置就用NaN填充——因为没有其他众数可输出。
• 如果某一列有多个字符出现次数相同且均为最高频（多众数），mode()会把这些众数依次放在不同行中，没有对应众数的位置同样用NaN填充。
  你的947列里既有单众数列，也有多众数列，所以最终返回了3行结果，除第一行外，其余行都是NaN和少量多众数字符。

去除NaN并生成正确共识序列的方法 #

你只需要保留mode()结果的第一行（每个列的首个众数），跳过后面含NaN的行即可，无需把所有行都转成字符串。修改后的代码如下：

# 提取每个列的第一个众数组成的行
consensus = df.mode(axis=0).iloc[0]
# 拼接成共识序列
seq = ''.join(consensus.values.astype(str))

这样处理后，只会得到各列最高频字符组成的序列，不会混入NaN相关内容。

原代码用to_string()会把所有行（包括含NaN的行）转换成文本，NaN字符串会被保留下来，这就是你看到多余内容的原因。直接取第一行再拼接，能彻底规避这个问题。

内容的提问来源于stack exchange，提问作者cookiemonster