如何使用Pandas获取DataFrame中某百分位数以上的所有值？

核心实现方法 #

不需要写复杂循环，利用Pandas的广播特性就能高效实现：

1. 先计算各列的75%分位数：

n = df.quantile(0.75)

2. 直接通过布尔索引筛选出每列中大于等于对应75%分位数的值（不符合条件的位置会显示NaN，保留原DataFrame结构）：

filtered_df = df[df >= n]

如果想提取每列中符合条件的非空值集合，可以用apply方法：

upper_quantile_series = df.apply(lambda col: col[col >= col.quantile(0.75)])

或者整理成字典形式，键为列名，值为对应列的目标值列表：

upper_vals_dict = {col: df[col][df[col] >= df[col].quantile(0.75)].tolist() for col in df.columns}

你之前代码的问题说明 #

• 第一段代码里df.mean(n)用法错误：mean()方法不需要传入分位数参数，它是直接计算整列均值，无法实现基于分位数筛选后的均值计算。如果要算各列75%分位以上值的均值，可以用：

upper_quantile_means = df[df >= n].mean()

• 第二段循环逻辑错误：n.index是列名集合，拿列名i和分位数Seriesn比较没有意义。正确的循环方式应该是遍历每一列，针对列数据做筛选：

n = df.quantile(0.75)
for col in df.columns:
    # 获取当前列的75%分位数
    q75 = n[col]
    # 筛选当前列中符合条件的值
    upper_vals = df[col][df[col] >= q75]
    print(f"列{col}的75%-100%分位值：\n{upper_vals}\n")

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