Pandas中如何按条件筛选DataFrame后计算指定列的中位数

直接通过布尔索引筛选目标行后调用pandas内置的中位数计算方法即可，完整可运行代码如下：

import pandas as pd

# 构造示例DataFrame，可替换为你自己的实际数据源
df = pd.DataFrame({
    'location': ['paris', 'paris', 'rome', 'paris'],
    'price': [5, 2, 5, 4]
})

# 核心逻辑：筛选location为paris的行，计算price列中位数
paris_price_median = df.loc[df['location'] == 'paris', 'price'].median()

print(paris_price_median)
# 输出结果：4.0，如需整数格式可以用int(paris_price_median)转换

代码说明 #

• 首先通过df['location'] == 'paris'生成布尔掩码，筛选出所有location等于paris的行
• 这里用loc索引器同时指定行、列筛选规则，是pandas更推荐的写法，也可以替换为常用的df[df['location'] == 'paris']['price']写法
• pandas的median()方法会自动对目标序列排序后计算中位数，示例数据中筛选出的price值为[5,2,4]，排序后为[2,4,5]，中位数为4，和预期结果一致。

内容的提问来源于stack exchange，提问作者larosploc