如何在pandas的groupby中使用mode？报错问题求助

问题背景 #

在Pandas中对dropoff_site分组后，调用mean()和median()可以正常计算：

newdf.groupby('dropoff_site')['load_weight'].mean()
newdf.groupby('dropoff_site')['load_weight'].median()

但直接调用mode()会报错：'SeriesGroupBy' object has no attribute 'mode'；改用agg(pd.Series.mode)后，又因数据存在多众数出现Must produce aggregated value错误。

原因分析 #

• SeriesGroupBy对象没有内置的mode()方法，必须通过agg()聚合函数调用pd.Series.mode。
• 当分组内存在多个众数时，pd.Series.mode会返回一个包含所有众数的Series，而agg()默认期望每个分组返回单个值，因此触发报错。

解决方案 #

方案1：取每个分组的第一个众数

如果只需要每个分组的任意一个众数（比如第一个），可以用lambda函数提取结果的第一个元素：

newdf.groupby('dropoff_site')['load_weight'].agg(lambda x: x.mode().iloc[0])

方案2：保留所有众数（以列表形式返回）

如果需要保留分组内的所有众数，将结果转为列表即可满足agg()的聚合要求：

newdf.groupby('dropoff_site')['load_weight'].agg(lambda x: x.mode().tolist())

返回结果中，每个分组对应一个包含所有众数的列表。

方案3：自定义聚合规则

如果需要更灵活的处理（比如返回众数的数量、或特定条件的众数），可以自定义聚合函数：

def get_mode(x):
    modes = x.mode()
    # 示例：如果有多个众数，返回最小的那个；否则返回唯一众数
    if len(modes) > 1:
        return min(modes)
    return modes.iloc[0]

newdf.groupby('dropoff_site')['load_weight'].agg(get_mode)

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