由网友(故城无故人存)分享简介：我有一个2D阵列包含整数（两个正或负）。每行重新presents随时间的值特定空间部位，而各列重新presents值不同的空间位点的一个给定的时间。I have a 2D array containing integers (both positive or negative). Each row represent...

我有一个2D阵列包含整数（两个正或负）。每行重新presents随时间的值特定空间部位，而各列重新presents值不同的空间位点的一个给定的时间。

I have a 2D array containing integers (both positive or negative). Each row represents the values over time for a particular spatial site, whereas each column represents values for various spatial sites for a given time.

因此​​，如果数组是这样的：

So if the array is like:

1 3 4 2 2 7
5 2 2 1 4 1
3 3 2 2 1 1

结果应该是

1 3 2 2 2 1

请注意，当有对模式的倍数的值，任何一个（随机选择的）可被设定为模式

Note that when there are multiple values for mode, any one (selected randomly) may be set as mode.

我可以遍历列找到模式一次，但我希望numpy的可能有一些内置的功能来做到这一点。或者，如果有一招地发现，没有有效的循环。

I can iterate over the columns finding mode one at a time but I was hoping numpy might have some in-built function to do that. Or if there is a trick to find that efficiently without looping.

推荐答案

检查scipy.stats.mode() （由@ tom10的评论启发）：

Check scipy.stats.mode() (inspired by @tom10's comment):

import numpy as np
from scipy import stats

a = np.array([[1, 3, 4, 2, 2, 7],
              [5, 2, 2, 1, 4, 1],
              [3, 3, 2, 2, 1, 1]])

stats.mode(a)

输出：

(array([[ 1.,  3.,  2.,  2.,  1.,  1.]]),
 array([[ 1.,  2.,  2.,  2.,  1.,  2.]]))