如何在Python中计算DataFrame每50行指定列的众数？

首先看你遇到的报错：'int' object does not support item assignment，这大概率是因为你初始化mode_pressure的时候把它设成了整数（比如mode_pressure = 0），而不是一个可以动态添加元素的列表或者Pandas Series，所以当你尝试mode_pressure[j] = ...的时候就会报错。

另外你的循环逻辑也有问题：Python的for i in range(...)会自动迭代range里的数值，你在循环里写i = i+50完全不会改变循环的迭代节奏，这会导致你重复处理很多行。

先修复你的循环代码（不推荐用于80万行数据） #

如果一定要用循环，先把mode_pressure初始化为空列表，然后正确控制分组的起始索引：

import pandas as pd

# 假设你的原始数据是data这个DataFrame
mode_pressure = []
n = len(data['Column5'])
# 从0开始，每次跳50行，取50行的区间
for i in range(0, n, 50):
    # 处理最后一组可能不足50行的情况
    splitdata = data['Column5'][i:i+50]
    # 和R的mfv一致，取最后一个众数（如果有多个众数）
    mode_val = splitdata.mode().iloc[-1] if not splitdata.mode().empty else None
    mode_pressure.append(mode_val)

# 转成目标DataFrame
df_mode = pd.DataFrame(mode_pressure, columns=['Column5_mode'])

更高效的Pandas分组方法（推荐用于大数据集） #

80万行的话，手动循环效率很低，用Pandas的groupby配合分组键会快很多，逻辑也更清晰：

import pandas as pd
import numpy as np

# 创建分组键：每50行一组，组号从0开始
data['group_id'] = np.arange(len(data)) // 50

# 按组计算众数，和R的mfv一致取最后一个众数
df_mode = data.groupby('group_id')['Column5'].agg(
    lambda x: x.mode().iloc[-1] if not x.mode().empty else None
).reset_index(drop=True).to_frame(name='Column5_mode')

为什么你的R代码能运行？ #

R里如果初始化mode_value为一个空变量，赋值的时候会自动扩展成向量，而Python不会自动做这个，必须提前初始化一个可变的容器（比如列表）才能动态添加元素。另外你的R循环里用while手动控制i的增长，逻辑是对的，但Python的for循环和R的while逻辑不同，所以直接转写会出问题。

内容的提问来源于stack exchange，提问作者veggie crunch burger