python - 如果您有数字间隔，请计算分组中位数

Question

这是我的数据框，其中包含区间数(类)。

     df = pd.DataFrame({'Class': [1,2,3,4,5,6,7,8,9,10,11], 
               'Class Interval': ['16.25-18.75', '18.75-21.25', '21.25-23.75', 
                                  '23.75-26.25', '26.25-28.75', '28.75-31.25',
                                  '31.25-33.75', '33.75-36.25', '36.25-38.75',
                                  '38.75-41.25', '41.25-43.75'],
              '𝑓𝑖' : [2,7,7,14,17,24,11,11,3,3,1],
              'Cumulative 𝑓𝑖': [2,9,16,30,47,71,82,93,96,99,100],
              '𝑓𝑖/n' : [.02,.07,.07,.14,.17,.24,.11,.11,.03,.03,.01],
              'Cumulative 𝑓𝑖/n' : [.02, .09,.16,.30,.47,.71,.82,.93,.96,.99,1.00]})
    df

        Class   Class Interval   𝑓𝑖   Cumulative  𝑓𝑖     𝑓𝑖/𝑛    Cumulative  𝑓𝑖/𝑛 
    0   1       16.25-18.75      2          2            0.02   0.02
    1   2       18.75-21.25      7          9            0.07   0.09
    2   3       21.25-23.75      7         16            0.07   0.16
    3   4       23.75-26.25     14         30            0.14   0.30
    4   5       26.25-28.75     17         47            0.17   0.47
    5   6       28.75-31.25     24         71            0.24   0.71
    6   7       31.25-33.75     11         82            0.11   0.82
    7   8       33.75-36.25     11         93            0.11   0.93
    8   9       36.25-38.75     3          96            0.03   0.96
    9   10      38.75-41.25     3          99            0.03   0.99
    10  11      41.25-43.75     1         100            0.01   1.00

问题:如何使用 python 计算此数据帧的分组中位数？

这可以手动完成，结果是 29.06。

我试过'median_grouped':

    # importing median_grouped from the statistics module 
    from statistics import median_grouped

    # printing median_grouped for the set 
    print("Grouped Median is %s" %(median_grouped(df['Class Interval']))) 

但是我得到了错误:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-26-491000133032> in <module>
      4 
      5 # printing median_grouped for the set
----> 6 print("Grouped Median is %s" %(median_grouped(df['Class Interval'])))

~\Anaconda3\ANACONDA\lib\statistics.py in median_grouped(data, interval)
    463     for obj in (x, interval):
    464         if isinstance(obj, (str, bytes)):
--> 465             raise TypeError('expected number but got %r' % obj)
    466     try:
    467         L = x - interval/2  # The lower limit of the median interval.

TypeError: expected number but got '28.75-31.25'

比起我尝试制作两列(一列具有下限，一列具有上限)，但他只给了我下限 (28.75)/上限中位数 (31.25)。我也只试过下限，当然他也给我 28.75。

我没有间隔内的值，所以我无法重新制作要使用 pd.cut 切割的值列表并正确地尝试它(我不想猜测)，但我也尝试过手动将类(class)间隔放入垃圾箱(例如 16.25-18.25 比(16.25,18.25]，但我收到错误消息:TypeError: unorderable types: Interval() < float()

是否有可能使具有间隔数字而不是字符串的列能够使用 Python 自动计算分组中位数？

Answer 1

我首先将您的间隔转换为两个单独的列，用于 lower bound (lb) 和 upper bound (ub)

df = (df.join(df['Class Interval'].str.split('-', expand=True)
                                  .apply(pd.to_numeric)
                                  .rename(columns={0: 'lb', 1: 'ub'}))
        .drop('Class Interval', 1))

然后，看起来你可以简单地直接写出公式

m = len(df)//2
gmedian = df.loc[m, 'lb'] + ((df['𝑓𝑖'].sum()/2 - df.loc[m - 1, 'Cumulative 𝑓𝑖'])/(df.loc[m, '𝑓𝑖']))*(df['ub'] - df['lb']).loc[m]

或者，以更说教的方式，

L = df.loc[m, 'lb']
N = df['𝑓𝑖'].sum()
F = df.loc[m - 1, 'Cumulative 𝑓𝑖']
f = df.loc[m, '𝑓𝑖']
C = (df['ub'] - df['lb']).loc[m]

---

gmedian = L + ((N/2 - F)/(f))*C

输出

29.0625