如何在Pandas中找到Units第50百分位数对应的Price？

首先还原你提供的DataFrame：

下面分三种常见场景给出实现方法：

场景1：先求Units的50百分位数，再匹配对应Price #

50百分位数即中位数，Pandas默认用线性插值计算（偶数个数据时取中间两数的平均值），如果需要匹配实际存在的Units值，可改用最近插值方式，代码如下：

import pandas as pd

# 构造DataFrame
data = {
    'Category': ['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b'],
    'Units': [4, 5, 3, 8, 1, 5, 6, 3],
    'Price': [3.5, 4.5, 7.8, 11.5, 15.5, 2.1, 4.5, 6.5]
}
df = pd.DataFrame(data)

# 计算Units列的50百分位数（线性插值）
units_median = df['Units'].quantile(0.5)
# 计算最近的实际存在的Units中位数
units_median_nearest = df['Units'].quantile(0.5, interpolation='nearest')

# 筛选对应Price：针对插值得到的非实际值用近似匹配
matching_prices = df[df['Units'].between(units_median - 0.01, units_median + 0.01)]['Price']
# 针对实际存在的Units值直接筛选
matching_prices_nearest = df[df['Units'] == units_median_nearest]['Price']

执行结果：

• units_median 为 4.5（线性插值结果），无完全匹配的Units，matching_prices 为空；
• units_median_nearest 为 5，对应的Price为 [4.5, 2.1]。

场景2：按Units排序后，取50百分位位置的Price #

如果需求是按Units排序后，取中位数位置对应行的Price，代码如下：

# 按Units升序排序
df_sorted = df.sort_values('Units').reset_index(drop=True)
# 计算中位数位置（向下取整）
median_pos = int(len(df_sorted) * 0.5)
# 获取对应Price
price_at_median_pos = df_sorted.loc[median_pos, 'Price']

排序后的前5行数据：

median_pos 为 4，对应的Price是 4.5。

场景3：按Category分组计算 #

如果需要每个分类下，各自Units的50百分位数对应Price，可使用分组处理：

def get_median_price(group):
    sorted_group = group.sort_values('Units').reset_index(drop=True)
    pos = int(len(sorted_group) * 0.5)
    return sorted_group.loc[pos, 'Price']

grouped_result = df.groupby('Category').apply(get_median_price)

最终分组结果：

Category
a    7.8
b    2.1
dtype: float64

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