python - Groupby 所选 DataFrame 列的值的给定百分位数

Question

假设我有一个 DataFrame，其中的列仅包含实数值。

>> df        
          col1   col2      col3  
0     0.907609     82  4.207991 
1     3.743659   1523  6.488842 
2     2.358696    324  5.092592  
3     0.006793      0  0.000000  
4    19.319746  11969  7.405685 

我想按所选列(例如 col1)的四分位数(或我指定的任何其他百分位数)对其进行分组，以对这些组执行一些操作。理想情况下，我想做类似的事情:

df.groupy( quartiles_of_col1 ).mean()  # not working, how to code quartiles_of_col1?

输出应给出对应于 col1 四分位数的四个组的每一列的平均值。这可以用 groupby 命令实现吗？实现它的最简单方法是什么？

Answer 1

我现在没有电脑来测试它，但我认为你可以通过以下方式进行测试:df.groupby(pd.cut(df.col0, np.percentile(df.col0, [0 , 25, 75, 90, 100]), include_lowest=True)).mean().将在 150 分钟后更新。

一些解释:

In [42]:
#use np.percentile to get the bin edges of any percentile you want 
np.percentile(df.col0, [0, 25, 75, 90, 100])
Out[42]:
[0.0067930000000000004,
 0.907609,
 3.7436589999999996,
 13.089311200000001,
 19.319745999999999]
In [43]:
#Need to use include_lowest=True
print df.groupby(pd.cut(df.col0, np.percentile(df.col0, [0, 25, 75, 90, 100]), include_lowest=True)).mean()
                       col0     col1      col2
col0                                          
[0.00679, 0.908]   0.457201     41.0  2.103996
(0.908, 3.744]     3.051177    923.5  5.790717
(3.744, 13.0893]        NaN      NaN       NaN
(13.0893, 19.32]  19.319746  11969.0  7.405685
In [44]:
#Or the smallest values will be skiped
print df.groupby(pd.cut(df.col0, np.percentile(df.col0, [0, 25, 75, 90, 100]))).mean()
                       col0     col1      col2
col0                                          
(0.00679, 0.908]   0.907609     82.0  4.207991
(0.908, 3.744]     3.051177    923.5  5.790717
(3.744, 13.0893]        NaN      NaN       NaN
(13.0893, 19.32]  19.319746  11969.0  7.405685