[데이터 분석] Python, Pandas Library의 mode() 함수를 이용해서 최빈값 구하기

pandas의 mode()는 “최빈값(가장 자주 등장한 값)”을 반환합니다.

• Series.mode() → 해당 시리즈의 최빈값들을 담은 Series 반환
• DataFrame.mode() → 각 열(또는 행)별 최빈값들을 담은 DataFrame 반환
• 여러 값이 동일한 최빈 빈도를 가지면 모두 반환합니다(즉, 결과가 여러 행이 될 수 있음).

Sereis 사용 예시

기본 : 

import pandas as pd

s = pd.Series([1, 2, 2, 3, 3, 3, 4])
s.mode()
# 0    3
# dtype: int64

 

최빈값이 여러 개인 경우 : 

s2 = pd.Series([1, 1, 2, 2, 3])
s2.mode()
# 0    1
# 1    2
# dtype: int64

 

NaN이 있는 경우 : 

s3 = pd.Series([1, 1, None, None, 2])
s3.mode()                 # dropna=True (기본): NaN 제외 → [1]
s3.mode(dropna=False)     # NaN 포함: 1과 NaN이 둘 다 최빈값일 수 있음

 

mode함수의 인자에는 dropna가 들어간다. 이 때 기본적으로 'dropna = True'로 설정이 되며,

이는 NaN을 제외하고 최빈값을 계산한다는 것을 뜻한다.

 

NaN이란? NaN은 “Not a Number”의 줄임말로, 숫자형 데이터에서 “값이 없음/정의되지 않음/계산 불가”를 나타내는 특별한 표식입니다. 주로 부동소수점(IEEE 754) 표준에 따라 표현되며, 파이썬의 NumPy·pandas 등에서 널(결측) 값을 표시할 때 자주 씁니다. 왜 생기나? 0/0, ∞-∞ 같은 정의 불가능한 계산 문자열을 숫자로 변환 실패 파일/DB에서 누락된 값 읽기 데이터 병합/피벗 시 매칭 불가로 빈칸이 생길 때 특징(주의점) NaN은 자기 자신과도 같지 않습니다: NaN != NaN → True