给定一个项目列表，回忆一下列表的模式是最常出现的项目。
我想知道如何创建一个函数，它可以找到列表的模式，但如果列表没有模式（例如，列表中的所有项目只出现一次），它会显示一条消息。我想在不导入任何功能的情况下制作此功能。我正在尝试从头开始制作自己的功能。
【问题讨论】：
assert(mode[1, 1, 1]) == None 和 assert(mode[1, 2, 3, 4]) == None。对于要成为mode 的数字，它必须比列表中至少一个其他数字出现的次数更多，并且它必须不是是列表中的唯一数字。
您可以使用max 功能和一个键。看看python max function using 'key' and lambda expression。
max(set(lst), key=lst.count)
【讨论】：
O(n**2) 中运行。是吗？
max(lst, key=lst.count)。 （而且我真的不会调用列表list。）
a = [22, 33, 11, 22, 11]; print(max(set(a), key=a.count)) 返回11。它会一直返回最小模式吗？如果是这样，为什么？
您可以使用collections 包中提供的Counter，它具有mode-esque 函数
from collections import Counter
data = Counter(your_list_in_here)
data.most_common() # Returns all unique items and their counts
data.most_common(1) # Returns the highest occurring item
注意：计数器是 python 2.7 中的新功能，在早期版本中不可用。
【讨论】：
Counter(your_list_in_here).most_common(1)[0][0]。如果有多个模式，则返回任意模式。
n最常见的modes。如果 Counter(your_list_in_here).most_common(1)[0][0] 让您获得第一种模式，您将如何获得另一个最常见的 mode ？只需将最后一个0 替换为1？可以根据自己的喜好制作一个功能来自定义mode..
Python 3.4 包含方法statistics.mode，所以很简单：
>>> from statistics import mode
>>> mode([1, 1, 2, 3, 3, 3, 3, 4])
3
列表中可以有任何类型的元素，而不仅仅是数字：
>>> mode(["red", "blue", "blue", "red", "green", "red", "red"])
'red'
【讨论】：
multimode，当有多个模式时返回多种模式。
借鉴一些统计软件，即SciPy和MATLAB，它们只返回最小最常见的值，因此如果两个值出现的频率相同，则返回其中最小的值。希望一个例子会有所帮助：
>>> from scipy.stats import mode
>>> mode([1, 2, 3, 4, 5])
(array([ 1.]), array([ 1.]))
>>> mode([1, 2, 2, 3, 3, 4, 5])
(array([ 2.]), array([ 2.]))
>>> mode([1, 2, 2, -3, -3, 4, 5])
(array([-3.]), array([ 2.]))
你有什么理由不能遵守这个约定吗？
【讨论】：
在Python中有很多简单的方法来查找列表的模式，例如：
import statistics
statistics.mode([1,2,3,3])
>>> 3
或者，您可以通过计数找到最大值
max(array, key = array.count)
这两种方法的问题在于它们不适用于多种模式。第一个返回错误，而第二个返回第一个模式。
为了找到一个集合的模式，你可以使用这个函数：
def mode(array):
most = max(list(map(array.count, array)))
return list(set(filter(lambda x: array.count(x) == most, array)))
【讨论】：
扩展列表为空时不起作用的社区答案，这里是模式的工作代码：
def mode(arr):
if arr==[]:
return None
else:
return max(set(arr), key=arr.count)
【讨论】：
如果您对最小、最大或所有模式感兴趣：
def get_small_mode(numbers, out_mode):
counts = {k:numbers.count(k) for k in set(numbers)}
modes = sorted(dict(filter(lambda x: x[1] == max(counts.values()), counts.items())).keys())
if out_mode=='smallest':
return modes[0]
elif out_mode=='largest':
return modes[-1]
else:
return modes
【讨论】：
我写了这个方便的函数来查找模式。
def mode(nums):
corresponding={}
occurances=[]
for i in nums:
count = nums.count(i)
corresponding.update({i:count})
for i in corresponding:
freq=corresponding[i]
occurances.append(freq)
maxFreq=max(occurances)
keys=corresponding.keys()
values=corresponding.values()
index_v = values.index(maxFreq)
global mode
mode = keys[index_v]
return mode
【讨论】：
短，但有点丑：
def mode(arr) :
m = max([arr.count(a) for a in arr])
return [x for x in arr if arr.count(x) == m][0] if m>1 else None
使用字典，不那么难看：
def mode(arr) :
f = {}
for a in arr : f[a] = f.get(a,0)+1
m = max(f.values())
t = [(x,f[x]) for x in f if f[x]==m]
return m > 1 t[0][0] else None
【讨论】：
稍长一点，但可以有多种模式，并且可以获得具有最多计数或混合数据类型的字符串。
def getmode(inplist):
'''with list of items as input, returns mode
'''
dictofcounts = {}
listofcounts = []
for i in inplist:
countofi = inplist.count(i) # count items for each item in list
listofcounts.append(countofi) # add counts to list
dictofcounts[i]=countofi # add counts and item in dict to get later
maxcount = max(listofcounts) # get max count of items
if maxcount ==1:
print "There is no mode for this dataset, values occur only once"
else:
modelist = [] # if more than one mode, add to list to print out
for key, item in dictofcounts.iteritems():
if item ==maxcount: # get item from original list with most counts
modelist.append(str(key))
print "The mode(s) are:",' and '.join(modelist)
return modelist
【讨论】：
要使一个数字成为mode，它出现的次数必须多于列表中至少一个其他数字，并且它必须不是列表中的唯一数字。所以，我重构了@mathwizurd 的答案（使用difference 方法）如下：
def mode(array):
'''
returns a set containing valid modes
returns a message if no valid mode exists
- when all numbers occur the same number of times
- when only one number occurs in the list
- when no number occurs in the list
'''
most = max(map(array.count, array)) if array else None
mset = set(filter(lambda x: array.count(x) == most, array))
return mset if set(array) - mset else "list does not have a mode!"
这些测试成功通过：
mode([]) == None
mode([1]) == None
mode([1, 1]) == None
mode([1, 1, 2, 2]) == None
【讨论】：
为什么不直接
def print_mode (thelist):
counts = {}
for item in thelist:
counts [item] = counts.get (item, 0) + 1
maxcount = 0
maxitem = None
for k, v in counts.items ():
if v > maxcount:
maxitem = k
maxcount = v
if maxcount == 1:
print "All values only appear once"
elif counts.values().count (maxcount) > 1:
print "List has multiple modes"
else:
print "Mode of list:", maxitem
它没有一些它应该有的错误检查，但它会在不导入任何函数的情况下找到模式，并且如果所有值只出现一次，它将打印一条消息。它还将检测共享相同最大计数的多个项目，尽管尚不清楚您是否想要这样做。
【讨论】：
此函数返回一个或多个函数的模式（无论有多少），以及数据集中的一个或多个模式的频率。如果没有模式（即所有项目只出现一次），该函数将返回一个错误字符串。这类似于上面 A_nagpal 的函数，但在我看来，它更完整，而且我认为对于任何阅读此问题的 Python 新手（例如你的真正的）来说更容易理解。
def l_mode(list_in):
count_dict = {}
for e in (list_in):
count = list_in.count(e)
if e not in count_dict.keys():
count_dict[e] = count
max_count = 0
for key in count_dict:
if count_dict[key] >= max_count:
max_count = count_dict[key]
corr_keys = []
for corr_key, count_value in count_dict.items():
if count_dict[corr_key] == max_count:
corr_keys.append(corr_key)
if max_count == 1 and len(count_dict) != 1:
return 'There is no mode for this data set. All values occur only once.'
else:
corr_keys = sorted(corr_keys)
return corr_keys, max_count
【讨论】：
return 'There is no mode for this data set. All values occur only once.' 的行可以变成错误消息，traceback as `if condition: next line with indent raise ValueError('There is no mode for this data set. All values are occured只有一次。') Here is a list 您可以提出不同类型的错误。
这将返回所有模式：
def mode(numbers)
largestCount = 0
modes = []
for x in numbers:
if x in modes:
continue
count = numbers.count(x)
if count > largestCount:
del modes[:]
modes.append(x)
largestCount = count
elif count == largestCount:
modes.append(x)
return modes
【讨论】：
对于那些寻找最小模式的人，例如：双模式分布的情况，使用 numpy。
import numpy as np
mode = np.argmax(np.bincount(your_list))
【讨论】：
无需任何导入即可找到列表模式的简单代码：
nums = #your_list_goes_here
nums.sort()
counts = dict()
for i in nums:
counts[i] = counts.get(i, 0) + 1
mode = max(counts, key=counts.get)
如果是多种模式，应该返回最小节点。
【讨论】：
数据集的众数是该集中出现频率最高的成员。如果有两个成员出现次数最多且次数相同，则数据有两种模式。这称为双峰。
如果有超过 2 种模式，则数据将被称为多峰。如果数据集中所有成员出现的次数相同，则数据集根本没有众数。以下函数模式（）可以在给定的数据列表中查找模式：
import numpy as np; import pandas as pd
def modes(arr):
df = pd.DataFrame(arr, columns=['Values'])
dat = pd.crosstab(df['Values'], columns=['Freq'])
if len(np.unique((dat['Freq']))) > 1:
mode = list(dat.index[np.array(dat['Freq'] == max(dat['Freq']))])
return mode
else:
print("There is NO mode in the data set")
输出：
# For a list of numbers in x as
In [1]: x = [2, 3, 4, 5, 7, 9, 8, 12, 2, 1, 1, 1, 3, 3, 2, 6, 12, 3, 7, 8, 9, 7, 12, 10, 10, 11, 12, 2]
In [2]: modes(x)
Out[2]: [2, 3, 12]
# For a list of repeated numbers in y as
In [3]: y = [2, 2, 3, 3, 4, 4, 10, 10]
In [4]: modes(y)
Out[4]: There is NO mode in the data set
# For a list of strings/characters in z as
In [5]: z = ['a', 'b', 'b', 'b', 'e', 'e', 'e', 'd', 'g', 'g', 'c', 'g', 'g', 'a', 'a', 'c', 'a']
In [6]: modes(z)
Out[6]: ['a', 'g']
如果我们不想导入numpy 或pandas 来调用这些包中的任何函数，那么为了得到同样的输出，modes() 函数可以写成：
def modes(arr):
cnt = []
for i in arr:
cnt.append(arr.count(i))
uniq_cnt = []
for i in cnt:
if i not in uniq_cnt:
uniq_cnt.append(i)
if len(uniq_cnt) > 1:
m = []
for i in list(range(len(cnt))):
if cnt[i] == max(uniq_cnt):
m.append(arr[i])
mode = []
for i in m:
if i not in mode:
mode.append(i)
return mode
else:
print("There is NO mode in the data set")
【讨论】：
好吧！所以社区已经有很多答案，其中一些使用了另一个功能，而你不想要。
让我们创建我们的非常简单易懂的函数。
import numpy as np
#Declare Function Name
def calculate_mode(lst):
下一步是在列表中查找唯一元素及其各自的频率。
unique_elements,freq = np.unique(lst, return_counts=True)
获取模式
max_freq = np.max(freq) #maximum frequency
mode_index = np.where(freq==max_freq) #max freq index
mode = unique_elements[mode_index] #get mode by index
return mode
例子
lst =np.array([1,1,2,3,4,4,4,5,6])
print(calculate_mode(lst))
>>> Output [4]
【讨论】：
def mode(inp_list):
sort_list = sorted(inp_list)
dict1 = {}
for i in sort_list:
count = sort_list.count(i)
if i not in dict1.keys():
dict1[i] = count
maximum = 0 #no. of occurences
max_key = -1 #element having the most occurences
for key in dict1:
if(dict1[key]>maximum):
maximum = dict1[key]
max_key = key
elif(dict1[key]==maximum):
if(key<max_key):
maximum = dict1[key]
max_key = key
return max_key
【讨论】：
def mode(data):
lst =[]
hgh=0
for i in range(len(data)):
lst.append(data.count(data[i]))
m= max(lst)
ml = [x for x in data if data.count(x)==m ] #to find most frequent values
mode = []
for x in ml: #to remove duplicates of mode
if x not in mode:
mode.append(x)
return mode
print mode([1,2,2,2,2,7,7,5,5,5,5])
【讨论】：
这是一个简单的函数，用于获取列表中出现的第一个模式。它以列表元素作为键和出现次数创建一个字典，然后读取字典值以获取模式。
def findMode(readList):
numCount={}
highestNum=0
for i in readList:
if i in numCount.keys(): numCount[i] += 1
else: numCount[i] = 1
for i in numCount.keys():
if numCount[i] > highestNum:
highestNum=numCount[i]
mode=i
if highestNum != 1: print(mode)
elif highestNum == 1: print("All elements of list appear once.")
【讨论】：
如果您想要一种清晰的方法，对课堂有用并且仅通过理解使用列表和字典，您可以这样做：
def mode(my_list):
# Form a new list with the unique elements
unique_list = sorted(list(set(my_list)))
# Create a comprehensive dictionary with the uniques and their count
appearance = {a:my_list.count(a) for a in unique_list}
# Calculate max number of appearances
max_app = max(appearance.values())
# Return the elements of the dictionary that appear that # of times
return {k: v for k, v in appearance.items() if v == max_app}
【讨论】：
#function to find mode
def mode(data):
modecnt=0
#for count of number appearing
for i in range(len(data)):
icount=data.count(data[i])
#for storing count of each number in list will be stored
if icount>modecnt:
#the loop activates if current count if greater than the previous count
mode=data[i]
#here the mode of number is stored
modecnt=icount
#count of the appearance of number is stored
return mode
print mode(data1)
【讨论】：
您可以通过以下方式找到列表的均值、中位数和众数：
import numpy as np
from scipy import stats
#to take input
size = int(input())
numbers = list(map(int, input().split()))
print(np.mean(numbers))
print(np.median(numbers))
print(int(stats.mode(numbers)[0]))
【讨论】：
import numpy as np
def get_mode(xs):
values, counts = np.unique(xs, return_counts=True)
max_count_index = np.argmax(counts) #return the index with max value counts
return values[max_count_index]
print(get_mode([1,7,2,5,3,3,8,3,2]))
【讨论】：
也许尝试以下方法。它是 O(n) 并返回浮点数（或整数）列表。它经过彻底的自动测试。它使用 collections.defaultdict，但我想您并不反对使用它。也可以在https://stromberg.dnsalias.org/~strombrg/stddev.html找到它
def compute_mode(list_: typing.List[float]) -> typing.List[float]:
"""
Compute the mode of list_.
Note that the return value is a list, because sometimes there is a tie for "most common value".
See https://stackoverflow.com/questions/10797819/finding-the-mode-of-a-list
"""
if not list_:
raise ValueError('Empty list')
if len(list_) == 1:
raise ValueError('Single-element list')
value_to_count_dict: typing.DefaultDict[float, int] = collections.defaultdict(int)
for element in list_:
value_to_count_dict[element] += 1
count_to_values_dict = collections.defaultdict(list)
for value, count in value_to_count_dict.items():
count_to_values_dict[count].append(value)
counts = list(count_to_values_dict)
if len(counts) == 1:
raise ValueError('All elements in list are the same')
maximum_occurrence_count = max(counts)
if maximum_occurrence_count == 1:
raise ValueError('No element occurs more than once')
minimum_occurrence_count = min(counts)
if maximum_occurrence_count <= minimum_occurrence_count:
raise ValueError('Maximum count not greater than minimum count')
return count_to_values_dict[maximum_occurrence_count]
【讨论】：