Pandas：如何按用户计算每日金额求和后的中位数

你现在的问题出在：第一次groupby(['user_id', 'date'])得到的是包含两层索引（用户ID、日期）的Series，直接调用.median()会对所有用户的每日求和值计算全局中位数，而非按用户单独计算。

要实现每个用户的每日金额求和值的中位数，有两种简洁的实现方式：

方式一：基于现有结果二次分组 #

先保存每日求和的结果，再按user_id再次分组计算中位数：

# 先得到每个用户每天的金额总和
daily_money_sum = df_append.groupby(['user_id', 'date'])['money'].sum()
# 按用户ID分组，计算每组（即单个用户的所有每日求和值）的中位数
user_daily_sum_median = daily_money_sum.groupby('user_id').median()

方式二：一步完成分组计算 #

利用groupby的level参数，直接对第一层索引（user_id）分组计算中位数：

user_daily_sum_median = df_append.groupby(['user_id', 'date'])['money'].sum().groupby(level='user_id').median()

或者用嵌套分组的写法，逻辑更直观：

user_daily_sum_median = df_append.groupby('user_id').apply(
    lambda user_data: user_data.groupby('date')['money'].sum().median()
)

执行后你会得到一个以user_id为索引，对应值为该用户所有每日金额求和值中位数的Series。

内容的提问来源于stack exchange，提问作者MegaKarg