You need to enable JavaScript to run this app. Python pandas按类别分组计算输出多列指定分位数结果
优惠活动
大模型
产品
解决方案
定价
更多

Python pandas按类别分组计算输出多列指定分位数结果

按分组维度计算多值分位数的实现方案

你之前的实现存在两个核心偏差:一是传入计算函数的数据集没有提前筛选value列、也没有按type拆分独立子集,输出的自然是混合所有类别的全局统计值;二是numpy返回的零散单值没有结构化组织,没法直接拼成带分组列、多维度分位列的规整宽表。
可以直接用pandas的向量化分组逻辑实现,不需要手动循环遍历拆分每个分组,计算逻辑和你熟悉的numpy分位数算法完全一致,输出结构天然匹配预期效果:

核心简洁实现

import pandas as pd

# 构造和你示例完全一致的测试数据集
df = pd.DataFrame({
    "type": ["Hello"]*9 + ["OK"]*4,
    "value": [1, 2, 3, 5, 5, 6, 8, 8, 3, 1, 1, 2, 2]
})

# 按type分组,一次性计算指定分位数
quantile_targets = [0.6, 0.7, 0.9]
result = (
    df.groupby("type")["value"]
    .quantile(quantile_targets)
    .unstack()  # 将分位数索引转成列,形成宽表
    .reset_index()  # 将type从行索引转成普通列
)

运行后输出结果和你给的示例完全匹配:

type   0.6  0.7  0.9
Hello  5.0  5.6  8.0
OK     1.8  2.0  2.0

可自定义计算逻辑的扩展实现

如果你需要调整分位数的插值方式、自定义列名,可以用agg方法绑定你熟悉的np.percentile函数,完全复用之前的计算习惯:

import numpy as np

# 封装和np.percentile参数对齐的计算函数
def get_percentile_calc(percentile):
    def calc(values):
        # 线性插值方式和默认np.percentile完全一致
        return np.percentile(values, percentile*100, method="linear")
    return calc

result = (
    df.groupby("type")["value"]
    .agg(
        p60=get_percentile_calc(0.6),
        p70=get_percentile_calc(0.7),
        p90=get_percentile_calc(0.9)
    )
    .reset_index()
)

实现优势

  • 避免手动写循环拆分每个type的子集再拼接结果,代码简洁不易出错
  • 采用pandas向量化计算逻辑,运行效率远高于手动循环,适合大尺寸数据集
  • 计算结果和numpy原生分位数的线性插值逻辑无偏差,不会出现和你之前预期不一致的数值
  • 输出结构自动对齐宽表格式,不需要手动整理列名、拼接分组列

注意:如果是较早版本的pandas/numpy,分位数计算的插值参数名为interpolation,新版本替换为method,按照对应版本的提示调整即可。

内容的提问来源于stack exchange,提问作者Lynn

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.05 21:45:04