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 seedseed(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   B

0    8  24

3   10  94

10   9  93

15   4  91

17   7  49

Group: 1

     A   B

7   34  24

8   15  60

12  27   4

13  31   1

14  13  83

Group: 2

     A   B

4   52  98

5   53  66

9   58  16

16  59  67

18  47  65

Group: 3

     A   B

1   67  87

2   79  48

6   98  14

11  86   2

19  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 np

import pandas as pd

from random import seed

seed(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