如何为Pandas DataFrame每行的列表列计算众数？

你的问题出在df[['B']].mode(axis=1)的用法上：这个方法是对DataFrame的行级元素求众数，但你的B列每个单元格是一个列表（而非单个数值），所以它只会把整个列表当作一个元素返回，自然无法得到你要的结果。

要实现每行列表的众数计算，你需要遍历每个列表，单独计算其众数，这里提供两种可靠的实现方式：

方法1：使用collections.Counter（推荐，无异常风险） #

Counter可以直接统计列表中元素的出现次数，再通过max()取出现次数最多的元素：

import pandas as pd
from collections import Counter

# 构造你的DataFrame（示例）
df = pd.DataFrame({
    "A": ["Name1", "Name2"],
    "B": [[3, 5, 6, 6], [1, 1, 1, 4]]
})

# 定义众数计算函数
def get_list_mode(lst):
    count = Counter(lst)
    # 若有多个众数，返回第一个出现的
    return max(count, key=count.get)

# 应用到B列生成C列
df['C'] = df['B'].apply(get_list_mode)

方法2：使用statistics.mode（需处理多众数异常） #

Python标准库的statistics.mode会直接返回众数，但如果列表存在多个出现次数相同的众数，会抛出StatisticsError，需要额外捕获处理：

import pandas as pd
from statistics import mode, StatisticsError

def get_list_mode(lst):
    try:
        return mode(lst)
    except StatisticsError:
        # 多众数时返回第一个出现的高频元素
        from collections import Counter
        count = Counter(lst)
        max_freq = max(count.values())
        return next(k for k, v in count.items() if v == max_freq)

df['C'] = df['B'].apply(get_list_mode)

执行后你会得到期望的结果：

A               B  C
0  Name1  [3, 5, 6, 6]  6
1  Name2  [1, 1, 1, 4]  1

内容的提问来源于stack exchange，提问作者Jasper_97