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
相关产品推荐

