Pandas逐行统计不同值数与众数 无唯一众数取最大值方法

针对集成模型结果逐行统计的需求，直接使用apply方法指定按行遍历（axis=1）即可实现，不需要逐列编写计算逻辑。

核心逻辑说明 #

• 不同值计数：单行序列直接调用nunique()方法，即可返回该行不重复值的总数
• 高频值计算：先统计单行内各值的出现次数，提取出现次数最高的所有值，若存在多个值并列最高频，直接取其中的最大值即可，符合平票时取最大值的规则

完整可运行代码 #

import pandas as pd

# 测试数据
df = pd.DataFrame({
    "col1":[1,2,3],
    "col2":[2,2,2],
    "col3":[3,2,2]
})

# 逐行计算不同值数量
df["different_values"] = df.apply(lambda row: row.nunique(), axis=1)

# 逐行计算最高频值，平票取最大值
def cal_most_freq(row):
    count_res = row.value_counts()
    max_freq = count_res.max()
    freq_candidates = count_res[count_res == max_freq].index
    return max(freq_candidates)

df["most_frequent"] = df.apply(cal_most_freq, axis=1)

运行结果 #

执行代码后得到的DataFrame和预期完全一致：

col1  col2  col3  different_values  most_frequent
0     1     2     3                 3              3
1     2     2     2                 1              2
2     3     2     2                 2              2

注意：如果表格中存在不需要参与统计的列，可以先筛选出所有分类结果列再执行apply操作，例如df[["col1", "col2", "col3"]].apply(...)，避免无关列干扰计算结果。

内容的提问来源于stack exchange，提问作者Marco_CH