基于Pandas计算芝加哥出租车数据各ID时段数值总和及全体ID中位数

咱们直接上手，用Pandas一步步实现你要的统计逻辑：

1. 先筛选指定时间段内的数据 #

因为你的时间戳已经是Pandas datetime格式了，直接用布尔索引就能轻松过滤出目标时间段的数据。比如假设你要统计2016年1月到6月的行程，代码如下：

# 定义你的目标时间段，替换成实际需要的起止时间
start_date = '2016-01-01'
end_date = '2016-06-30'

# 生成筛选掩码
time_mask = (df['Trip End Timestamp'] >= start_date) & (df['Trip End Timestamp'] <= end_date)

# 得到筛选后的数据集
filtered_trips = df[time_mask]

# 可选：如果Taxi ID有缺失值，提前过滤掉，避免无效分组
filtered_trips = filtered_trips.dropna(subset=['Taxi ID'])

2. 计算每个Taxi ID的行程总金额之和 #

按Taxi ID分组，对Trip Total列求和，得到每个出租车的总营收：

# 分组求和
taxi_total_fares = filtered_trips.groupby('Taxi ID')['Trip Total'].sum()

这时候taxi_total_fares是一个Series，索引是唯一的Taxi ID，值是对应ID的总行程金额。

3. 计算所有Taxi ID总和的中位数 #

直接调用Pandas的median()方法就能得到中位数：

# 计算中位数
total_median = taxi_total_fares.median()

# 打印结果
print(f"所有出租车行程总金额的中位数: {total_median}")

如果需要把这几步合并成一行（虽然可读性会差一点），也可以这样写：

total_median = df[(df['Trip End Timestamp'] >= '2016-01-01') & (df['Trip End Timestamp'] <= '2016-06-30')].dropna(subset=['Taxi ID']).groupby('Taxi ID')['Trip Total'].sum().median()

小提示 #

• 确保你的Trip End Timestamp列确实是datetime类型，如果不是的话，先转一下：df['Trip End Timestamp'] = pd.to_datetime(df['Trip End Timestamp'])
• 如果要统计的不是Trip Total，而是其他数值列，替换对应的列名就行～

内容的提问来源于stack exchange，提问作者HighVoltage