如何按DataFrame分组计算75分位阈值并新增isAboveThreshold标记列

实现代码 #

首先导入依赖包，构造示例数据：

import pandas as pd
import numpy as np

# 构造示例DataFrame
data = {
    "group_name": ["g1", "g1", "g1", "g2", "g2", "g2", "g2", "g3", "g3", "g3"],
    "field_A": [3, 49, 90, 78, 92, 76, 48, 33, 44, 55]
}
df = pd.DataFrame(data)

核心处理逻辑：

# 按group_name分组，计算每组field_A的75%分位数，广播到组内所有行存入top列
df["top"] = df.groupby("group_name")["field_A"].transform(lambda x: x.quantile(0.75))
# 比较field_A值和当前组分位数，生成标记列
df["isTop75"] = np.where(df["field_A"] > df["top"], "Yes", "No")

运行后输出的结果与预期完全一致。如果不想额外引入numpy依赖，也可以用pandas自带的apply方法实现标记列的生成：

df["isTop75"] = df.apply(lambda row: "Yes" if row["field_A"] > row["top"] else "No", axis=1)

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