如何使用groupby函数计算列分位数并指定获取75分位值？

你需要给quantile()方法显式传递分位点参数q=0.75——因为该方法默认使用的是0.5（中位数）分位点。以下是几种实用的实现方式：

方法1：用lambda函数直接指定 #

df2 = df1.groupby(pd.Grouper(freq='5Min', closed='right', label='right')).agg({
    "value1": "mean",
    "value2": "max",
    "value3": lambda x: x.quantile(q=0.75)
})

注：这种方式生成的value3对应列名是<lambda>，如果需要更直观的名称，可以后续执行df2.rename(columns={"value3": "value3_q75"})修改。

方法2：用命名聚合规则（推荐，列名更清晰） #

直接在聚合时定义列名和对应规则，无需后续重命名：

df2 = df1.groupby(pd.Grouper(freq='5Min', closed='right', label='right')).agg(
    value1_mean=("value1", "mean"),
    value2_max=("value2", "max"),
    value3_q75=("value3", lambda x: x.quantile(q=0.75))
)

生成的DataFrame列名将直接是value1_mean、value2_max、value3_q75，可读性更强。

方法3：用partial固定参数（适合复用场景） #

如果需要多次使用75分位统计，可以预先固定参数：

from functools import partial

# 定义固定75分位的函数并指定名称
q75 = partial(pd.Series.quantile, q=0.75)
q75.__name__ = 'q75'

df2 = df1.groupby(pd.Grouper(freq='5Min', closed='right', label='right')).agg({
    "value1": "mean",
    "value2": "max",
    "value3": q75
})

内容的提问来源于stack exchange，提问作者prof31