按单列的分位数对熊猫数据框进行分组

Question

抱歉，如果这是重复的帖子-虽然我找不到相关的帖子

from random import seed

seed(100)

P = pd.DataFrame(np.random.randint(0, 100, size=(1000, 2)), columns=list('AB'))

我想要的是P按列的四分位数/分位数/十分位数/等分组A，然后按组计算聚合统计数据（例如mean）。我可以将列的十分位数定义为

P['A'].quantile(np.arange(10) / 10)

我不确定如何按A. 提前致谢！

Answer 1

如果您想P按四分位数进行分组，请运行：gr = P.groupby(pd.qcut(P.A, 4, labels=False))然后您可以对这些组执行任何操作。为了演示，下面只有一个P限制为 20 行的打印输出：for key, grp in gr:    print(f'\nGroup: {key}\n{grp}')这使：Group: 0     A   B0    8  243   10  9410   9  9315   4  9117   7  49Group: 1     A   B7   34  248   15  6012  27   413  31   114  13  83Group: 2     A   B4   52  985   53  669   58  1616  59  6718  47  65Group: 3     A   B1   67  872   79  486   98  1411  86   219  61  14如您所见，每个组（四分位数）有 5 个成员，因此分组是正确的。作为补充如果您对每个四分位数的边界感兴趣，请运行：pd.qcut(P.A, 4, labels=False, retbins=True)[1]然后cut返回 2 个结果（一个元组）。第一个元素（数字 0）是之前返回的结果，但这次我们对 第二个元素（数字 1）感兴趣 - bin 边界。对于您的数据，它们是：array([ 4.  , 12.25, 40.5 , 59.5 , 98.  ])因此，例如，第一个四分位数介于4和12.35之间。

Answer 2

您可以使用quantile系列制作另一列，用分位数标签标记每一行，然后按该列分组。numpy searchsorted非常有用：import numpy as npimport pandas as pdfrom random import seedseed(100)P = pd.DataFrame(np.random.randint(0, 100, size=(1000, 2)), columns=list('AB'))q = P['A'].quantile(np.arange(10) / 10)P['G'] = P['A'].apply(lambda x : q.index[np.searchsorted(q, x, side='right')-1])由于分位数系列存储分位数区间的较低值，因此请务必将参数side='right'传递np.searchsorted给不为 0（最小值应为 1，否则您的索引比您需要的多一个）。现在您可以通过执行以下操作来详细说明您的统计信息：P.groupby('G').agg(['sum', 'mean']) #add to the list all the statistics method you wish