在Python中计算多峰列表的众数

Question

我正在尝试在Python中计算一组值的众数（最常出现的值）。我提出了一个解决方案，但结果是错误的。后来我意识到我的数据可能具有多个众数；

ie 1,1,2,3,4,4 mode = 1 & 4

这是我目前想到的：

def mode(valueList):
  frequencies = {}
  for value in valueList:
    if value in frequencies:
      frequencies[value] += 1
    else:
      frequencies[value] = 1
  mode = max(frequencies.itervalues())
  return mode

我认为问题在于我输出的是值而不是最大值的指针。无论如何，有人可以建议一种更好的方法来处理存在多个众数的情况吗？或者如果失败了，我该如何修复已有的代码并找出单个众数？

正如你可能已经注意到的，我很新手，感谢您的帮助。

编辑：应该提到我使用的是Python 2.4版本。

- Captastic

---

你真的应该升级到最新支持的Python版本。 - Burhan Khalid

Answer 1

在Python >=2.7中，使用collections.Counter来生成频率表。

from collections import Counter
from itertools import takewhile

data = [1,1,2,3,4,4]
freq = Counter(data)
mostfreq = freq.most_common()
modes = list(takewhile(lambda x_f: x_f[1] == mostfreq[0][1], mostfreq))

请注意使用匿名函数 (lambda) 检查一个二元组 (_, f) 是否具有与最高频元素相同的频率。

- Fred Foo

---

@Captastic：那你应该升级了。Python 2.4是2004年的版本；即使Python 2.5也不再接收安全补丁。 - Fred Foo

我真的不知道该怎么做才能让最后那个“takewhile”行在我的3.2.3版本上正常运行，但我是新手。你有什么想法吗？ - Matthew Cornell

@MatthewCornell：在函数定义（包括lambda表达式）中的元组解包在3.2版本中已被移除，甚至可能更早。我会更新答案。 - Fred Foo

Answer 2

注意，从 Python 3.8 开始，标准库中包含了 statistics.multimode 函数，它会按照首次出现的顺序返回一个最常出现的值列表：

from statistics import multimode

multimode([1, 1, 2, 3, 4, 4])
# [1, 4]

- Xavier Guihot

Answer 3

首先，您返回的是frequencies中的值而不是键。这意味着您得到的是众数的计数，而不是众数本身。通常情况下，要获取众数，您会使用max函数的key关键字参数，如下所示：

>>> max(frequencies, key=counts.get())

但在2.4中不存在这个！我相信以下方法可以在2.4中实现：

>>> import random
>>> l = [random.randrange(0, 5) for _ in range(50)]
>>> frequencies = {}
>>> for i in l:
...     frequencies[i] = frequencies.get(i, 0) + 1
... 
>>> frequencies
{0: 11, 1: 13, 2: 8, 3: 8, 4: 10}
>>> mode = max((v, k) for k, v in frequencies.iteritems())[1]
>>> mode
1
>>> max_freq = max(frequencies.itervalues())
>>> modes = [k for k, v in frequencies.iteritems() if v == max_freq]
>>> modes
[1]

我更喜欢使用装饰-排序-取消装饰的习惯用法来代替使用cmp关键字。我认为这样更易读。可能只是我的个人观点。

- senderle

---

非常感谢，我还应该提到我在2.4版本中。我已经更新了帖子。 - Captastic

@Captastic，啊。没有defaultdict，没有Counter，也没有max函数的key参数。哎呀。只能用最麻烦的方式来做了……等一下。 - senderle

在Py2.4中，您将使用max的cmp参数而不是key（当时还不存在）; 因此，mode = max(frequencies, cmp=lambda i,j: cmp(counts[i], counts[j]))。 - lvc

@senderle 那就是它！它工作得非常好。非常感谢你。现在我要学习它到底是如何工作的 :) - Captastic

Answer 4

在迭代时，您可以使用计数器作为顶部值，类似于以下内容：

def mode(valueList):
  frequencies = {}
  mx = None
  for value in valueList:
    if value in frequencies:
      frequencies[value] += 1
    else:
      frequencies[value] = 1
    if not mx or frequencies[value] > mx[1]:
      mx = (value, frequencies[value])

  mode = mx[0]
  return mode

多种模式的另一种方法是使用nlargest，它可以给出字典中N个最大的值：

from heapq import nlargest
import operator

def mode(valueList, nmodes):
  frequencies = {}

  for value in valueList:
    frequencies[value] = frequencies.get(value, 0) + 1

  return [x[0] for x in nlargest(nmodes,frequencies.iteritems(),operator.itemgetter(1))]

- Not_a_Golfer

---

那就可以了，谢谢。虽然不确定如何将其转换为适用于多个模式。 - Captastic

谢谢你的建议，我选择了无服务器的方法，但为了学习经验，我会试试你的方法。 - Captastic