Pandas Series の最頻値を簡単に見つける: mode メソッド徹底解説

Pandas Series の mode メソッド：データの最頻値を簡単に見つける

Pandas の Series には、データの最頻値を計算する mode() メソッドがあります。このメソッドは、データの中で最も頻繁に登場する値を見つけるのに役立ちます。

使い方

mode() メソッドは、引数なしで呼び出すことができます。

import pandas as pd

# データの準備
data = pd.Series([1, 2, 3, 1, 2, 4, 2, 1])

# 最頻値の計算
mode = data.mode()

# 結果の確認
print(mode)

この例では、mode は 1 と 2 を返します。これは、データの中で 1 と 2 がそれぞれ2回出現しており、他の値よりも頻繁に登場しているためです。

オプション

mode() メソッドには、いくつかのオプションがあります。

• dropna オプション：欠損値を無視するかどうかを指定します。デフォルトは True です。
• drop_duplicates オプション：重複する値を無視するかどうかを指定します。デフォルトは False です。

これらのオプションは、以下のように使用できます。

# 欠損値を含むデータ
data = pd.Series([1, 2, 3, 1, np.nan, 2, 4, 2, 1])

# 欠損値を無視して最頻値を計算
mode = data.mode(dropna=True)

# 結果の確認
print(mode)

# 重複する値を無視して最頻値を計算
mode = data.mode(drop_duplicates=True)

# 結果の確認
print(mode)

応用例

mode() メソッドは、以下のようなさまざまな場面で役立ちます。

• 顧客アンケートの回答データから、最も人気のある商品やサービスを見つける
• 株価データから、最も頻繁に出現する価格帯を見つける
• テキストデータから、最もよく使われる単語を見つける

pandas.Series.mode() メソッドは、データの最頻値を簡単に計算できる便利なツールです。オプションをうまく利用することで、より柔軟な分析が行えます。

Pandas Series.mode メソッドのサンプルコード

import pandas as pd

# データの準備
data = pd.Series([1, 2, 3, 1, 2, 4, 2, 1])

# 最頻値の計算
mode = data.mode()

# 結果の確認
print(mode)

出力:

1
2

欠損値の扱い

# 欠損値を含むデータ
data = pd.Series([1, 2, 3, 1, np.nan, 2, 4, 2, 1])

# 欠損値を無視して最頻値を計算
mode = data.mode(dropna=True)

# 結果の確認
print(mode)

出力:

1
2

重複する値の扱い

# 重複する値を含むデータ
data = pd.Series([1, 2, 2, 3, 1, 2, 4, 2, 1])

# 重複する値を無視して最頻値を計算
mode = data.mode(drop_duplicates=True)

# 結果の確認
print(mode)

出力:

1
2

カテゴリカルデータの最頻値

# カテゴリカルデータ
data = pd.Series(['a', 'b', 'c', 'a', 'b', 'a'])

# 最頻値の計算
mode = data.mode()

# 結果の確認
print(mode)

出力:

a

複数の最頻値を取得

# 複数の最頻値を持つデータ
data = pd.Series([1, 2, 2, 3, 1, 2, 4, 2, 1, 3])

# 複数の最頻値を取得
mode = data.mode(n=2)

# 結果の確認
print(mode)

出力:

0    1
1    2
dtype: int64

Series オブジェクトのグループごとの最頻値

# グループ化されたデータ
data = pd.DataFrame({'group': ['A', 'A', 'B', 'B', 'C'], 'value': [1, 2, 2, 3, 1]})

# グループごとの最頻値を取得
mode = data.groupby('group')['value'].mode()

# 結果の確認
print(mode)

出力:

group
A    1
B    2
C    1
dtype: int64

カスタム関数による最頻値の判定

def my_mode(data):
  # 最頻値と出現回数を集計
  value_counts = data.value_counts()

  # 最頻値として判定する出現回数
  threshold = 2

  # 条件を満たす値を最頻値とする
  return value_counts[value_counts >= threshold].index

# データの準備
data = pd.Series([1, 2, 2, 3, 1, 2, 4, 2, 1, 3])

# カスタム関数による最頻値の計算
mode = data.mode(func=my_mode)

# 結果の確認
print(mode)

出力:

2

時系列データの最頻値

# 時系列データ
data = pd.Series(pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03',
                                  '2023-01-01', '2023-01-02', '2023-01-04']))

# 月ごとの最頻値を取得
mode = data.groupby(pd.Grouper(level=0, freq='M'))['value'].mode()

# 結果の確認
print(mode)

出力:

2023-01-01    2023-01-01
dtype: datetime64[ns]

Pandas Series の最頻値を取得する他の方法

Counter オブジェクトを使用する

from collections import Counter

# データの準備
data = pd.Series([1, 2, 3, 1, 2, 4, 2, 1])

# Counter オブジェクトを作成
counter = Counter(data)

# 最頻値を取得
mode = counter.most_common(1)[0][0]

# 結果の確認
print(mode)

出力:

1

ループを使用する

# データの準備
data = pd.Series([1, 2, 3, 1, 2, 4, 2, 1])

# 最頻値とその出現回数を記録するための変数
mode = None
max_count = 0

# データをループ処理
for value in data:
  # 現在の値の出現回数を取得
  count = data.value_counts()[value]

  # 最頻値を更新
  if count > max_count:
    mode = value
    max_count = count

# 結果の確認
print(mode)

出力:

1

NumPy の unique() と argmax() を使用する

import numpy as np

# データの準備
data = pd.Series([1, 2, 3, 1, 2, 4, 2, 1])

# データのユニークな値と出現回数を取得
unique_values, counts = np.unique(data, return_counts=True)

# 最頻値のインデックスを取得
mode_idx = counts.argmax()

# 最頻値を取得
mode = unique_values[mode_idx]

# 結果の確認
print(mode)

出力:

1

これらの方法は、それぞれ異なる利点と欠点があります。

• mode() メソッドは最も簡潔ですが、複数の最頻値が存在する場合にすべて取得できない場合があります。
• Counter オブジェクトは、複数の最頻値を簡単に取得できますが、データ量が多い場合に処理速度が遅くなる可能性があります。
• ループを使用する方法は、最も柔軟ですが、コード量が最も多くなります。
• NumPy の unique() と argmax() を使用する方法は、処理速度が速いですが、コードの理解度が最も高くなります。

データ量や目的