Python中如何求NumPy数组的众数_结合scipy.stats.mode函数实现

scipy.stats.mode 不可靠，因强制转 int64、不处理 NaN/多众数/非整数，且返回升维 ModeResult；推荐用 np.unique 或 bincount 自定义逻辑。

scipy.stats.mode 不是求众数的可靠选择，尤其对 NumPy 数组——它默认返回第一个出现的众数，且不处理多众数、NaN 或非整数类型等常见情况。

scipy.stats.mode 为什么容易出错

这个函数表面看是“求众数”，但实际行为和多数人预期差距很大：

它把输入强制转成 int64（哪怕你传的是 float64 或 str），导致小数被截断、字符串报错
遇到多个众数时，只返回排序后第一个（不是任意一个，而是按值大小排后的首个），比如 [1, 2, 2, 3, 3] 返回 2 而非报错或返回全部
对含 np.nan 的数组直接崩溃（ValueError: The first argument of mode must not contain NaNs）
返回的是一个 ModeResult 对象，.mode 和 .count 都是 ndarray，且维度可能意外升维（如输入一维，输出二维）

更稳妥的替代方案：用 scipy.stats.mode + 手动预处理

如果你必须用 scipy.stats.mode（例如项目已有依赖），至少要加三层防护：

先用 np.isnan() 过滤掉 nan（或用 pd.Series.dropna() 如果允许引入 pandas）
对浮点数组，改用 np.round(arr, decimals=5) 后转 int 模拟离散化（慎用，精度敏感场景不行）
调用时显式指定 keepdims=False 和 axis=None，避免维度混乱；再用 .mode[0] 取标量值
检查 .count 是否等于数组长度（判断是否全相同）或是否为 1（所有值唯一）

示例：

Python 3.14.3

微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。

import numpy as np
from scipy.stats import mode
arr = np.array([1.1, 1.1, 2.2, 2.2, 3.3])
clean = arr[~np.isnan(arr)]  # 去 nan
rounded = np.round(clean, 2)
转 int 仅当值域合理；否则用下面的纯 NumPy 方案
mode_val = mode(rounded.astype(int), keepdims=False, axis=None).mode[0]

推荐做法：用纯 NumPy + bincount 或 unique 实现可控众数

对整数数组，np.bincount 最快最稳；对任意类型（包括字符串、浮点），用 np.unique 更通用：

整数型（正整数）：np.argmax(np.bincount(arr))，注意 arr.min() >= 0，否则先平移
通用型（含负数、浮点、字符串）：vals, counts = np.unique(arr, return_counts=True); vals[np.argmax(counts)]
要支持多众数？把 np.argmax 换成 np.where(counts == counts.max())，再索引 vals
要跳过 nan？在 np.unique 前加 arr = arr[~np.isnan(arr)]（注意：仅对数值型有效；字符串需用 pd.notna 或手动过滤）

一句话封装（单众数，忽略 nan）：

def get_mode(arr):
    arr = np.asarray(arr)
    if np.issubdtype(arr.dtype, np.number):
        arr = arr[~np.isnan(arr)]
    vals, counts = np.unique(arr, return_counts=True)
    return vals[np.argmax(counts)]

真正麻烦的地方不在“怎么写”，而在“怎么定义众数”——是取第一个最大频次的值？所有最大频次的值？是否合并近似浮点？是否保留原始 dtype？这些业务逻辑必须自己定，库不会替你决定。