如何用Pandas DataFrame计算水果汇总收获量的下四分位表现者

首先，pd.read_excel本身就会返回DataFrame，所以你原来的代码可以简化为：

df = pd.read_excel('fruit-harvests.xlsx', sheet_name='Harvests')

当然你原本的写法也没问题，不影响后续操作。

下面是对应需求的分步实现：

1. 按水果分组汇总收获总量 #

通过groupby按水果名称分组后，对HarvestCount字段求和，得到每个水果的总收获量：

# 分组求和，reset_index将分组索引转为普通列，方便后续操作
df_total = df.groupby('Fruit')['HarvestCount'].sum().reset_index()

2. 按收获量排序 #

用sort_values对总收获量进行排序，默认是升序（从小到大），如果需要降序可以添加ascending=False参数：

# 按收获量从小到大排序
df_sorted = df_total.sort_values(by='HarvestCount')

3. 筛选底部25%的水果 #

先计算收获量的25分位数（即底部25%的临界值），再筛选出收获量小于等于该值的水果：

# 计算25分位数阈值
threshold = df_sorted['HarvestCount'].quantile(0.25)
# 筛选符合条件的行
bottom_25_fruits = df_sorted[df_sorted['HarvestCount'] <= threshold]
# 提取水果名称列表
result = bottom_25_fruits['Fruit'].tolist()
print(result)  # 预期输出: ['Orange', 'Pineapple']

可选链式写法 #

如果喜欢更简洁的代码，可以把所有步骤合并成一行：

result = (df.groupby('Fruit')['HarvestCount'].sum()
          .sort_values()
          .loc[lambda x: x <= x.quantile(0.25)]
          .index.tolist())

注意点 #

• 若数据中存在同一水果的多条记录，groupby.sum()会自动合并计算该水果的总收获量
• quantile(0.25)是基于数据分布计算的临界值，比直接取前N行的方式更准确（尤其当数据量较小时）

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