Suponha que eu tenha a seguinte lista em python:

a = [1,2,3,1,2,1,1,1,3,2,2,1]

Como encontrar o número mais frequente nesta lista de maneira organizada?

Se sua lista contiver todos os ints não negativos, dê uma olhada em numpy.bincounts:

http://docs.scipy.org/doc/numpy/reference/generated/numpy.bincount.html

e provavelmente use np.argmax:

a = np.array([1,2,3,1,2,1,1,1,3,2,2,1])
counts = np.bincount(a)
print np.argmax(counts)

Para uma lista mais complicada (que talvez contenha números negativos ou valores não inteiros), você pode usá-lo de np.histogrammaneira semelhante. Como alternativa, se você deseja trabalhar em python sem usar o numpy, collections.Counteré uma boa maneira de lidar com esse tipo de dados.

from collections import Counter
a = [1,2,3,1,2,1,1,1,3,2,2,1]
b = Counter(a)
print b.most_common(1)

Você pode usar

(values,counts) = np.unique(a,return_counts=True)
ind=np.argmax(counts)
print values[ind]  # prints the most frequent element

Se algum elemento for tão frequente quanto outro, esse código retornará apenas o primeiro elemento.

Se você estiver disposto a usar o SciPy :

>>> from scipy.stats import mode
>>> mode([1,2,3,1,2,1,1,1,3,2,2,1])
(array([ 1.]), array([ 6.]))
>>> most_frequent = mode([1,2,3,1,2,1,1,1,3,2,2,1])[0][0]
>>> most_frequent
1.0

Apresentações (usando o iPython) para algumas soluções encontradas aqui:

>>> # small array
>>> a = [12,3,65,33,12,3,123,888000]
>>> 
>>> import collections
>>> collections.Counter(a).most_common()[0][0]
3
>>> %timeit collections.Counter(a).most_common()[0][0]
100000 loops, best of 3: 11.3 µs per loop
>>> 
>>> import numpy
>>> numpy.bincount(a).argmax()
3
>>> %timeit numpy.bincount(a).argmax()
100 loops, best of 3: 2.84 ms per loop
>>> 
>>> import scipy.stats
>>> scipy.stats.mode(a)[0][0]
3.0
>>> %timeit scipy.stats.mode(a)[0][0]
10000 loops, best of 3: 172 µs per loop
>>> 
>>> from collections import defaultdict
>>> def jjc(l):
...     d = defaultdict(int)
...     for i in a:
...         d[i] += 1
...     return sorted(d.iteritems(), key=lambda x: x[1], reverse=True)[0]
... 
>>> jjc(a)[0]
3
>>> %timeit jjc(a)[0]
100000 loops, best of 3: 5.58 µs per loop
>>> 
>>> max(map(lambda val: (a.count(val), val), set(a)))[1]
12
>>> %timeit max(map(lambda val: (a.count(val), val), set(a)))[1]
100000 loops, best of 3: 4.11 µs per loop
>>> 

Melhor é 'max' com 'set' para pequenas matrizes como o problema.

De acordo com @David Sanders, se você aumentar o tamanho da matriz para algo como 100.000 elementos, o algoritmo "max w / set" acaba sendo o pior de longe, enquanto o método "numpy bincount" é o melhor.

Além disso, se você deseja obter o valor mais frequente (positivo ou negativo) sem carregar nenhum módulo, pode usar o seguinte código:

lVals = [1,2,3,1,2,1,1,1,3,2,2,1]
print max(map(lambda val: (lVals.count(val), val), set(lVals)))

Embora a maioria das respostas acima seja útil, no caso de você: 1) precisar dar suporte a valores inteiros não positivos (por exemplo, números flutuantes ou números negativos ;-)) e 2) não estão no Python 2.7 (que coleções. requer) e 3) prefere não adicionar a dependência de scipy (ou até mesmo numpy) ao seu código, então uma solução puramente python 2.6 que é O (nlogn) (ou seja, eficiente) é exatamente isso:

from collections import defaultdict

a = [1,2,3,1,2,1,1,1,3,2,2,1]

d = defaultdict(int)
for i in a:
  d[i] += 1
most_frequent = sorted(d.iteritems(), key=lambda x: x[1], reverse=True)[0]

Eu gosto da solução de JoshAdel.

Mas há apenas uma captura.

A np.bincount()solução funciona apenas em números.

Se você tiver seqüências de caracteres, a collections.Countersolução funcionará para você.

Expandindo esse método , aplicado para encontrar o modo dos dados em que você pode precisar do índice da matriz real para ver a que distância o valor está do centro da distribuição.

(_, idx, counts) = np.unique(a, return_index=True, return_counts=True)
index = idx[np.argmax(counts)]
mode = a[index]

Lembre-se de descartar o modo quando len (np.argmax (counts))> 1

No Python 3, o seguinte deve funcionar:

max(set(a), key=lambda x: a.count(x))

Começando Python 3.4, a biblioteca padrão inclui a statistics.modefunção para retornar o ponto de dados mais comum.

from statistics import mode

mode([1, 2, 3, 1, 2, 1, 1, 1, 3, 2, 2, 1])
# 1

Se houver vários modos com a mesma frequência, statistics.moderetornará o primeiro encontrado.

Iniciando Python 3.8, a statistics.multimodefunção retorna uma lista dos valores que ocorrem com mais frequência na ordem em que foram encontrados:

from statistics import multimode

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

Aqui está uma solução geral que pode ser aplicada ao longo de um eixo, independentemente dos valores, usando puramente numpy. Também descobri que isso é muito mais rápido que o scipy.stats.mode se houver muitos valores exclusivos.

import numpy

def mode(ndarray, axis=0):
    # Check inputs
    ndarray = numpy.asarray(ndarray)
    ndim = ndarray.ndim
    if ndarray.size == 1:
        return (ndarray[0], 1)
    elif ndarray.size == 0:
        raise Exception('Cannot compute mode on empty array')
    try:
        axis = range(ndarray.ndim)[axis]
    except:
        raise Exception('Axis "{}" incompatible with the {}-dimension array'.format(axis, ndim))

    # If array is 1-D and numpy version is > 1.9 numpy.unique will suffice
    if all([ndim == 1,
            int(numpy.__version__.split('.')[0]) >= 1,
            int(numpy.__version__.split('.')[1]) >= 9]):
        modals, counts = numpy.unique(ndarray, return_counts=True)
        index = numpy.argmax(counts)
        return modals[index], counts[index]

    # Sort array
    sort = numpy.sort(ndarray, axis=axis)
    # Create array to transpose along the axis and get padding shape
    transpose = numpy.roll(numpy.arange(ndim)[::-1], axis)
    shape = list(sort.shape)
    shape[axis] = 1
    # Create a boolean array along strides of unique values
    strides = numpy.concatenate([numpy.zeros(shape=shape, dtype='bool'),
                                 numpy.diff(sort, axis=axis) == 0,
                                 numpy.zeros(shape=shape, dtype='bool')],
                                axis=axis).transpose(transpose).ravel()
    # Count the stride lengths
    counts = numpy.cumsum(strides)
    counts[~strides] = numpy.concatenate([[0], numpy.diff(counts[~strides])])
    counts[strides] = 0
    # Get shape of padded counts and slice to return to the original shape
    shape = numpy.array(sort.shape)
    shape[axis] += 1
    shape = shape[transpose]
    slices = [slice(None)] * ndim
    slices[axis] = slice(1, None)
    # Reshape and compute final counts
    counts = counts.reshape(shape).transpose(transpose)[slices] + 1

    # Find maximum counts and return modals/counts
    slices = [slice(None, i) for i in sort.shape]
    del slices[axis]
    index = numpy.ogrid[slices]
    index.insert(axis, numpy.argmax(counts, axis=axis))
    return sort[index], counts[index]

Recentemente, estou fazendo um projeto e usando collections.Counter. (O que me torturou).

O contador nas coleções tem um desempenho muito, muito ruim, na minha opinião. É apenas um dict de quebra de classe ().

O que é pior: se você usar o cProfile para criar um perfil do método, verá muitas coisas '__missing__' e '__instancecheck__' desperdiçando o tempo todo.

Tenha cuidado ao usar o most_common (), porque toda vez ele invocaria uma classificação que a torna extremamente lenta. e se você usar most_common (x), ele chamará uma classificação de heap, que também é lenta.

Aliás, a conta do numpy também tem um problema: se você usar np.bincount ([1,2,4000000]), obterá uma matriz com 4000000 elementos.