如何在Pandas中按类别分组并将分位数转换为列

当然可以！你只需要在现有代码基础上，添加一步索引重塑的操作，就能把多层索引的结果转换成你想要的宽表格式。下面是具体的实现步骤：

1. 先还原你的示例数据 #

首先我们先创建你给出的DataFrame，方便后续演示：

import pandas as pd

data = {
    'id': [1, 2, 3, 6, 0, 7],
    'category': ['a', 'a', 'a', 'a', 'b', 'c'],
    'price': [50, 30, 10, 5, 20, 80]
}
df = pd.DataFrame(data)

2. 你的原始代码及问题 #

你执行的分组分位数代码会返回多层行索引的结果（category是第一层，分位数是第二层）：

quantile = df[['category', 'price']].groupby('category').quantile([0.25, 0.5, 0.75])
print(quantile)

输出结果（简化版）：

price
category             
a        0.25    10.0
         0.50    20.0
         0.75    30.0
b        0.25    20.0
         0.50    20.0
         0.75    20.0

3. 转换为目标格式的方法 #

方法一：用unstack()重塑索引 #

unstack()可以把内层的行索引（分位数）转换为列，之后再做简单的列名整理即可：

# 计算分位数并转宽表
quantile_wide = df[['category', 'price']].groupby('category').quantile([0.25, 0.5, 0.75]).unstack()

# 扁平化列名（去掉第一层的'price'索引）
quantile_wide = quantile_wide.droplevel(0, axis=1)

# 将category从行索引转为普通列，并设置列名
quantile_wide = quantile_wide.reset_index()
quantile_wide.columns = ['category', '0.25', '0.5', '0.75']

print(quantile_wide)

最终输出就是你想要的格式：

category  0.25   0.5  0.75
0        a  10.0  20.0  30.0
1        b  20.0  20.0  20.0
2        c  80.0  80.0  80.0

方法二：用agg()直接指定列名（更直观） #

如果你想一步到位生成目标格式，也可以用groupby.agg()结合lambda函数，直接定义分位数列名：

quantile_wide = df.groupby('category')['price'].agg(
    **{str(q): lambda x: x.quantile(q) for q in [0.25, 0.5, 0.75]}
).reset_index()

print(quantile_wide)

这个方法会直接生成符合要求的宽表，不需要额外的索引整理步骤，结果和方法一完全一致。

关键原理说明 #

• unstack()：Pandas中用于将行索引的层级“展开”为列的工具，这里把分位数层级从行移到列，实现长表转宽表。
• droplevel()：因为quantile()返回的结果列名是多层的（('price', 0.25)），所以需要去掉第一层的price，让列名直接显示分位数。

内容的提问来源于stack exchange，提问作者Shubham R