scipy.stats.

mode#

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

返回传递数组中模态(最常见)值的数组。

如果存在多个这样的值,则仅返回一个。 还返回模态 bin 的 bin 计数。

参数:
aarray_like

用于查找模式的数字、n 维数组。

axisint 或 None,默认值:0

如果为 int,则为用于计算统计信息的输入轴。输入的每个轴切片(例如,行)的统计信息将显示在输出的相应元素中。如果 None,则输入将在计算统计信息之前被展平。

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

定义如何处理输入 NaN。

  • propagate: 如果在计算统计信息的轴切片(例如,行)中存在 NaN,则输出的相应条目将为 NaN。

  • omit: 在执行计算时将忽略 NaN。 如果在计算统计信息的轴切片中剩余的数据不足,则输出的相应条目将为 NaN。

  • raise: 如果存在 NaN,将引发 ValueError

keepdimsbool,默认值:False

如果将其设置为 True,则缩减的轴将保留在结果中,作为大小为 1 的维度。使用此选项,结果将针对输入数组正确广播。

返回值:
modendarray

模态值的数组。

countndarray

每个模式的计数数组。

备注

模式是使用 numpy.unique 计算的。在 NumPy 1.21 及更高版本中,所有 NaN(即使是具有不同二进制表示的 NaN)都被视为等效的,并计为相同值的单独实例。

按照惯例,空数组的模式是 NaN,并且关联的计数为零。

从 SciPy 1.9 开始,在执行计算之前,np.matrix 输入(不建议用于新代码)将转换为 np.ndarray。 在这种情况下,输出将是标量或具有适当形状的 np.ndarray,而不是 2D np.matrix。 同样,虽然屏蔽数组的屏蔽元素会被忽略,但输出将是标量或 np.ndarray,而不是 mask=False 的屏蔽数组。

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]]))

要获取整个数组的模式,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)