如何使用pandas transform计算分组分位数并添加回原DataFrame

正确实现方法 #

你的代码报错是因为没有正确向transform传递带参数的quantile函数，同时直接将transform返回结果赋值给整个df会覆盖原表数据，正确操作有两种常用写法：

方法1：使用lambda匿名函数封装参数

适合需要自定义逻辑的场景，直接在lambda内调用quantile并传入分位参数：

# 直接给原df新增列，50分位数计算后保留3位小数
df['50th percentile'] = df.groupby('ID')['pay'].transform(lambda x: x.quantile(0.50)).round(3)

方法2：利用transform的关键字参数传参

transform支持将额外参数直接传递给要执行的方法，写法更简洁：

# 直接传入方法名字符串，后续参数会自动传递给quantile方法
df['50th percentile'] = df.groupby('ID')['pay'].transform('quantile', q=0.50).round(3)

完整可运行示例 #

import pandas as pd

# 构造你的示例数据
df = pd.DataFrame({
    'ID': [1, 1, 1],
    'Name': ['John', 'John', 'John'],
    'pay': [10, 20, 30]
})

# 执行计算新增列
df['50th percentile'] = df.groupby('ID')['pay'].transform(lambda x: x.quantile(0.50)).round(3)

print(df)

运行后输出结果和你预期一致：

ID  Name  pay  50th percentile
0   1  John   10             20.0
1   1  John   20             20.0
2   1  John   30             20.0

内容的提问来源于stack exchange，提问作者Austin