如何对DataFrame各唯一国家分组执行带指定分位数的describe()方法

你可以用pandas的groupby方法实现按country分组，对每个组的revenue列执行带自定义分位数的统计描述，具体代码如下：

先修正你代码里的列名问题：原DataFrame的列是小写的country和revenue，和你写的Country、net_revenue不匹配，得对应上避免报错。

import pandas as pd

# 构造示例DataFrame
data = {
    'id': [1,2,3,4,5,6,7],
    'revenue': [128,130,132,134,136,138,140],
    'country': ['at','de','de','hu','at','at','hu']
}
df = pd.DataFrame(data)

# 定义需要的自定义分位数
custom_percentiles = [0.2, 0.4, 0.6, 0.8, 0.9, 0.95, 0.99, 0.999]

# 分组执行带指定分位数的describe
grouped_desc = df.groupby('country')['revenue'].describe(percentiles=custom_percentiles)

print(grouped_desc)

代码说明： #

• groupby('country')：将DataFrame按country的所有唯一值分组，自动处理现有所有国家（比如示例里的at、de、hu）
• ['revenue'].describe(percentiles=custom_percentiles)：对每个分组的revenue列执行统计描述，并传入你指定的分位数参数
• 返回的结果是一个多层列结构的DataFrame，索引为country，列包含count、mean、std、min、各分位数、max等统计量

如果觉得查看不方便，可以转置结果：

print(grouped_desc.T)

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