我试图在列级别获取模型的众数，并找出与该模型相关的错误。如果接收到两个或更多的众数，我们会从这两个众数中选择误差最小的模型。

问题：我们期望输出在最后有两列，一列告诉我们在列级别的众数，另一列告诉我们那个众数的误差，前六列是输入数据框架。如果接收到两个或更多的众数，例如（“M1”、“M2”、“M3”），这三个值是不同的，因此技术上它会有三个众数，所以会选择精度最低的模型。

我尝试过：我能够通过使用.mode(numeric_only=False)获取列级别的众数，但我遇到的问题是如何从第2、4和6列获取这些众数的误差，在这里我卡住了。

回答：

使用方法：

#只筛选带有数字的Iteration列df = Input1.filter(regex='Iteration\d+$')#获取第一众数s = df.mode(axis=1).iloc[:, 0]#比较df以获取所有可能的众数，添加后缀以匹配错误列，#最后用最小值筛选原始数据s1 = Input1.where(df.eq(s, axis=0).add_suffix('_error')).min(axis=1)#添加新列Output1 = Input1.assign(best_mode = s, best_error=s1)print (Output1)   Iteration1  Iteration1_error Iteration2  Iteration2_error Iteration3  \I1         M2                96         M3                76         M3   I2         M1                98         M1                88         M1   I3         M3                34         M1                54         M1   I4         M5                19         M5                12         M5   I5         M4                22         M6                92         M6   I6         M6                 9         M4                19         M4       Iteration3_error best_mode  best_error  I1                66        M3        66.0  I2                68        M1        68.0  I3                84        M1        54.0  I4                52        M5        12.0  I5                72        M6        72.0  I6                89        M4        19.0  

另一个想法如果可以使用成对和非成对列（数据中必须存在彼此匹配的所有对，排序）：

df = Input1.iloc[:, ::2]s = df.mode(axis=1).iloc[:, 0]s1 = Input1.iloc[:, 1::2].where(df.eq(s, axis=0).to_numpy()).min(axis=1)Output1 = Input1.assign(best_mode = s, best_error=s1)