如何在Pandas分组聚合时按条件计算中位数？

当然可以实现，你只需要为每个列定义带条件过滤的自定义聚合函数，在计算中位数前先筛选出符合要求的数值，再执行中位数计算。

修改后的完整代码 #

import pandas as pd
import numpy as np

cols = ['name', 'performance', 'activity']

data = [
    ['bob',   50, 95],
    ['bob',   0, 80],
    ['bob',   82, 4],
    ['bob',  50, 120],   
    ['joey',  37, 50],
    ['joey', -4, 70],
    ['joey', 95, 70],
    ['joey', 35, 70]]

df = pd.DataFrame(data, columns=cols)

# 定义带条件的聚合函数
def median_non_negative(x):
    return np.median(x[x >= 0])

def median_ge_10(x):
    return np.median(x[x >= 10])

# 分组聚合时指定自定义函数
df = df.groupby(['name']).agg({
    'performance': median_non_negative,
    'activity': median_ge_10
})

print(df)

代码说明 #

• 针对performance，先通过x[x >= 0]筛选出所有非负值，再计算中位数；
• 针对activity，通过x[x >= 10]筛选出≥10的数值后计算中位数；
• 如果某个分组中符合条件的数值为空（比如某用户所有performance都是负数），计算结果会返回NaN，你可以根据需求添加fillna处理这类情况。

输出结果 #

运行后会得到：

performance  activity
name                        
bob            50.0      87.5
joey           36.0      70.0

内容的提问来源于stack exchange，提问作者user13744439