获取Pandas DataFrame每行百分位数（含中位数）的最优方法

向量化最优方案（性能最高） #

直接基于numpy对数值列的二维数组做轴向百分位计算，全程无Python层循环，性能比逐行遍历高两个数量级左右：

import pandas as pd
import numpy as np

# 定义分位值与对应输出列名
q_values = [10, 20, 30, 40, 50, 60, 70, 80, 90]
stat_cols = ["10分位", "20分位", "30分位", "40分位", "中位数", "60分位", "70分位", "80分位", "90分位"]

# 提取val列矩阵按行计算分位数
val_arr = df.filter(regex=r"^val\d+$").values
stat_result = np.percentile(val_arr, q=q_values, axis=1).T

# 合并年份列得到最终结果
result = pd.concat([df[["year"]], pd.DataFrame(stat_result, columns=stat_cols)], axis=1)

pandas原生语法方案（可读性更高） #

如果更偏好pandas原生API，可使用quantile方法沿行轴计算，性能略低于numpy实现，但远高于逐行遍历：

q_values = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]
stat_cols = ["10分位", "20分位", "30分位", "40分位", "中位数", "60分位", "70分位", "80分位", "90分位"]

result = df[["year"]].join(
    df.filter(regex=r"^val\d+$")
      .quantile(q=q_values, axis=1)
      .T
      .set_axis(stat_cols, axis=1)
)

两种方案都完全避免了逐行遍历，也不会产生大量无效中间列。

内容的提问来源于stack exchange，提问作者raven