scipy.stats.

mode#

scipy.stats.mode(a, axis=0, nan_policy='propagate', keepdims=False)[源代码]#

返回给定数组中众数（最常见）值的数组。

如果存在多个这样的值，只返回一个。还返回众数条目的条数。

参数:
a类数组

要查找众数的数值 n 维数组。

axisint 或 None，默认值：0

如果为 int，输入沿其计算统计量的轴。输入的每个轴切片（例如，行）的统计量将显示在输出的相应元素中。如果 None，输入将在计算统计量之前被扁平化。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定义如何处理输入中的 NaN。

  • propagate：如果计算统计量的轴切片（例如，行）中存在 NaN，则输出的相应条目将是 NaN。

  • omit：当进行计算时，NaN 将被忽略。如果沿用于计算统计数据的轴分片中没有足够的数据，则输出的相应条目将为 NaN。

  • raise：如果存在 NaN，则会引发 ValueError。

keepdimsbool，默认值：False

如果将此设置为 True，则减小的轴会保留在结果中，作为尺寸为 1 的维度。使用这个选项，结果会针对输入数组正确地广播。

返回:
modendarray

众数值的数组。

countndarray

每个众数的计数数组。

注意事项

使用 numpy.unique 计算众数。在 NumPy 1.21 及更高版本中，所有 NaN（即使具有不同的二进制表示形式）都被视为等效的，并且被视为相同值的独立实例。

根据惯例，空数组的众数为 NaN，并且相关计数为零。

从 SciPy 1.9 开始，np.matrix 输入（不推荐用于新代码）在执行计算之前转换为 np.ndarray。在这种情况下，输出将是标量或形状适当的 np.ndarray，而不是 2D np.matrix。类似地，虽然会忽略蒙版数组的蒙版元素，但输出将是标量或 np.ndarray，而不是具有 mask=False 的蒙版数组。

示例

>>> import numpy as np
>>> a = np.array([[3, 0, 3, 7],
...               [3, 2, 6, 2],
...               [1, 7, 2, 8],
...               [3, 0, 6, 1],
...               [3, 2, 5, 5]])
>>> from scipy import stats
>>> stats.mode(a, keepdims=True)
ModeResult(mode=array([[3, 0, 6, 1]]), count=array([[4, 2, 2, 1]]))

要获取整个数组的众数，请指定 axis=None

>>> stats.mode(a, axis=None, keepdims=True)
ModeResult(mode=[[3]], count=[[5]])
>>> stats.mode(a, axis=None, keepdims=False)
ModeResult(mode=3, count=5)
本页内容