我有一个 DataFrame，其中一列包含不同的数值。 我想专门使用 np.histogram() 函数找到最常出现的值。
我知道可以使用 column.value_counts().nlargest(1) 等函数来完成此任务，但是，我对如何使用 np.histogram() 函数来实现此目标很感兴趣。
通过这项任务，我希望能够更好地理解函数和结果值，因为文档 (https://numpy.org/doc/1.18/reference/generated/numpy.histogram.html) 中的描述对我来说不是很清楚。
下面我将分享一个用于此任务的值系列示例：
data = pd.Series(np.random.randint(1,10,size=100))
【问题讨论】：
标签： python pandas numpy histogram
这是一种方法：
import numpy as np
import pandas as pd
# Make data
np.random.seed(0)
data = pd.Series(np.random.randint(1, 10, size=100))
# Make bins
bins = np.arange(data.min(), data.max() + 2)
# Compute histogram
h, _ = np.histogram(data, bins)
# Find most frequent value
mode = bins[h.argmax()]
# Mode computed with Pandas
mode_pd = data.value_counts().nlargest(1).index[0]
# Check result
print(mode == mode_pd)
# True
您还可以将bins 定义为：
bins = np.unique(data)
bins = np.append(bins, bins[-1] + 1)
或者如果您的数据只包含正数，您可以直接使用np.bincount：
mode = np.bincount(data).argmax()
当然还有scipy.stats.mode：
import scipy.stats
mode = scipy.stats.mode(data)[0][0]
【讨论】：
data 是整数，现在np.arange(data.min(), data.max() + 1) 将是data 中的值范围，但您需要一个额外的值作为最后一个的上限bin，因此np.arange(data.min(), data.max() + 2)。使用np.unique时，已经得到了排序后的值数组，所以只需要在上限再加一个，我加了最大值加一，bit可以是任意值，只要大于data 中的最大值。逻辑相同，与data 中不同值的数量无关。
hist 包含 data 中每个 bin 中的值的数量。所以，如果第一个 bin 是[1, 2)，并且data 中有三个1，那么hist[0] 将是3。现在，argmax 为您提供hist 中最大值的索引，因此与该位置对应的 bin 将告诉您最频繁的值。例如，在前面的例子中，如果argmax是0，那么对应的bin就是[1, 2)，那么最常见的值就是1。
可以这样做：
hist, bin_edges = np.histogram(data, bins=np.arange(0.5,10.5))
result = np.argmax(hist)
您只需要更仔细地阅读文档。它说如果bins 是[1, 2, 3, 4]，那么第一个bin 是[1, 2)，第二个是[2, 3)，第三个是[3, 4)。
我们会在您的问题中计算 [0.5, 1.5)、[1.5, 2.5)、...、[8.5, 9.5) 中的数字数量，并选择最大值的索引。
以防万一，值得使用
np.unique(data)[np.argmax(hist)]
如果我们不确定您的排序数据集 np.unique(data) 是否包含所有连续整数 0、1、2、3、...
【讨论】：
bins=np.arange(-0.5, 10.5)，因此第一个bin对应于0，否则argmax返回的值将移动一个（或您可以在结果中添加一个）。关于np.unique，我不确定是否正确，如果data 是[1, 2, 5, 5, 1, 5] 那么argmax 将给出4 但np.unique 将返回[1, 2, 5]，它会给出错误。