一个看似简单的问题，却在数据分析圈引发热议。当数据分散在两列之中，传统的统计方法往往失灵。今天，我们为你拆解这个高频问题的多种解法。
在日常数据处理中，我们常遇到这样的问题：给定两列数据，需要找出整体出现次数最多的数字。比如销售记录中的商品编号、用户行为日志中的事件ID，或者问卷调查中的选项码。单列统计容易，但两列合并后，传统Excel的MODE函数常常“罢工”——因为它默认只处理一列连续数据。近期，某数据分析论坛上这个提问获得了数百条回复，既有新手困惑，也有大神支招。
问题本质：跨列频次统计
问题的关键在于：两列数据可能互不关联，我们需要将它们视作一个整体，再统计每个数值的频次。例如第一列是“客户ID”，第二列是“产品编码”，我们想找出同时出现在两列中（或整体）频率最高的数字，实际上是要对两列所有单元格进行统一计数。
方法一：Excel函数组合拳
对于习惯使用Excel的用户，可以借助数组公式或新版本支持的MODE.MULT与IF嵌套。具体步骤如下：
- 将两列数据合并为一列（使用
=A2:A100&B2:B100的形式不可行，因为这会变成字符串拼接，数字本身是数值，应使用UNION思维）。
推荐方案：在C列输入公式=A2，D列输入=B2，然后将两列竖向堆叠。但手动复制麻烦。更优雅的是使用INDEX与ROW配合生成一个虚拟数组：=MODE.MULT(IF({1,0}, A2:A100, B2:B100))。这里的{1,0}是一个常量数组，配合IF函数将两列数据交替排列为一行，再传给MODE.MULT。注意需要按Ctrl+Shift+Enter（老版本）或直接回车（Excel 365）。
- 如果数据中包含重复值后，
MODE.MULT可能返回多个众数，此时需要配合INDEX取出第一个。
这类方法适合数据量不大（数万行以内）且无需频繁更新的场景。但公式理解门槛略高，且Excel的数组运算在大量数据时可能卡顿。
方法二：Python pandas 优雅解决
对于具备编程基础的从业者，Python的pandas库堪称利器。只需三行代码：
import pandas as pd
df = pd.read_excel('data.xlsx')
result = pd.concat([df['列1'], df['列2']]).mode().iloc[0]
concat将两列数据纵向拼接，然后直接调用.mode()返回众数。若需所有众数，mode()默认返回全部。这种方法简洁直观，且能处理百万级数据。若数据源为CSV或SQL数据库，同样适用。
方法三：SQL 合并统计
在数据库场景中，问题转化为对两列进行UNION ALL后GROUP BY。例如：
SELECT num, COUNT(*) as cnt
FROM (
SELECT col1 AS num FROM table
UNION ALL
SELECT col2 AS num FROM table
) t
GROUP BY num
ORDER BY cnt DESC
LIMIT 1;
这种方法效率极高，适合生产环境中的实时统计。需要注意的是，UNION ALL保留重复行，确保计数准确。
方法四：可视化工具的“拖拽大法”
若使用Power BI或Tableau，无需编程。只需将两列添加到同一字段（使用“自定义列”或“追加查询”），然后对数值字段进行“分组依据→计数→降序排序”，即可轻松找到最高频数字。这种方式对业务人员最为友好，且能动态响应数据更新。
专家观点：工具选择看场景
资深数据分析师李明（化名）表示：“不存在万能解法。Excel适合临时性小规模分析；Python适合流程自动化；SQL适合数据库端统计；BI工具适合交互式探索。核心是理解数据合并计数逻辑，而不是死记函数。”
他提醒，使用任何方法前务必检查数据格式：两列是否为数值类型？有无空值或文本型数字？这些细节往往导致结果偏差。例如，Excel中文本型数字不会被MODE识别，需先转化为数值。
结语
“Find the number that appears most often, considering 2 columns”这个看似简单的需求，折射出现代数据处理的多维度挑战。据统计，约73%的日常数据分析问题都可以归为行列转换与频次统计的组合。掌握一种或多种实现路径，将大大提升工作效率。下次当你面对两列数据时，不妨从上述方法中挑选最顺手的一个——毕竟，找到最常出现的那个数字，往往就是找到问题的关键。