如何使用Pandas按用户百分位数分组统计评论总数（替代自定义循环实现）

我来帮你搞定这个问题！你想要的统计效果完全可以用Pandas的工具链实现，不用自己写循环，代码更简洁易维护~

核心问题在于：你需要的是按用户数量的百分位数区间来统计（比如前10%的用户群体，不管他们的评论数多少，只要是用户数量占前10%），而不是按评论数的数值分位数来分箱。之前用qcut没成功，大概率是直接对count列分箱了，那会按评论数的数值区间划分，和你的需求不符。

下面是具体的实现步骤，完全贴合你的需求：

步骤1：先对用户按评论数降序排序 #

首先把数据按用户的评论数（count列）从多到少排序，这样最活跃的用户会排在前面，方便后续按用户数量划分百分位数区间：

# 假设你的数据集存储在DataFrame df中
sorted_df = df.sort_values(by='count', ascending=False)

步骤2：用qcut按用户数量划分百分位数区间 #

这里我们用排序后的索引来分箱（因为索引是连续的，能保证每个区间的用户数量相等），同时设置对应的区间标签：

# 定义要划分的区间数量，比如你之前的5个区间（每个占20%用户）
n_bins = 5
# 生成对应的标签，比如"前100%-80%用户"对应最活跃的20%用户
labels = [f'前{100 - i*20}%-{100 - (i+1)*20}%用户' for i in range(n_bins)]

# 给每个用户标记所属的百分位数区间
sorted_df['user_percentile'] = pd.qcut(
    x=sorted_df.index,  # 用索引来等分用户数量
    q=n_bins,           # 分成n_bins个等用户数的区间
    labels=labels
)

步骤3：分组统计每个区间的评论总数 #

按标记的区间分组，对count列求和就能得到每个区间的总评论数：

# 分组求和，得到每个区间的评论总数
percentile_count = sorted_df.groupby('user_percentile')['count'].sum().reset_index()

步骤4：格式化输出成你想要的样式 #

最后把结果转成你期望的“X%-Y%用户：XXK条评论”格式：

for _, row in percentile_count.iterrows():
    # 把总数转换成K单位（保留整数）
    total_k = f'{row["count"] / 1000:.0f}K'
    print(f'# {row["user_percentile"]}：{total_k}条评论')

扩展：如果要划分10个区间（每个10%用户） #

只需要调整n_bins和标签生成逻辑即可：

n_bins = 10
labels = [f'前{100 - i*10}%-{100 - (i+1)*10}%用户' for i in range(n_bins)]

用这个方法得到的结果和你之前循环实现的完全一致，而且代码更简洁，还能灵活调整区间数量~

内容的提问来源于stack exchange，提问作者FrenchMajesty