如何用pandas的.quantile函数为DataFrame添加多列分位数列

嘿，这问题我太熟了！要实现你说的按第一列分组，给每个分组生成对应多个分位数的列，用pandas的groupby+quantile组合就能一步到位，操作超简洁。我结合你的示例一步步拆解：

第一步：构造示例数据 #

先把你给出的无表头数据转成标准DataFrame（如果你的原始数据已经有列名，这步可以跳过）：

import pandas as pd

# 对应你给出的原始数据：第一列是分组，第二列是标签，第三列是数值
df = pd.DataFrame([
    [1, 'A', 10],
    [1, 'B', 1],
    [2, 'A', 6],
    [2, 'C', 13],
    [3, 'D', 15],
    [3, 'G', 1]
], columns=['group', 'label', 'value'])

第二步：核心操作——分组计算多分位数 #

这一步是关键：用groupby按第一列（group）分组，对数值列（value）调用quantile，直接传入你需要的分位数列表（比如你要的两个分位数，这里以0.25和0.75为例，可按需修改），最后用unstack()把结果转成「每个分组一行，分位数为列」的格式：

# 定义你需要的分位数，可根据需求调整数值
target_quantiles = [0.25, 0.75]

# 分组计算分位数并转换格式
quantile_result = df.groupby('group')['value'].quantile(target_quantiles).unstack()

# 给分位数列重命名，更直观
quantile_result.columns = [f'Quantile {int(q*100)}' for q in target_quantiles]

第三步：调整格式（可选） #

如果你不想让分组列作为索引，而是作为普通列，加个reset_index()就行：

quantile_result = quantile_result.reset_index()

最终结果 #

运行完上面的代码，你会得到完全符合需求的结果：

group  Quantile 25  Quantile 75
0      1          1.0         10.0
1      2          6.0         13.0
2      3          1.0         15.0

小提示 #

如果你的原始DataFrame没有列名（就是你给出的纯行数据），可以直接用位置索引来分组和选数值列：

# 无表头情况下的写法
quantile_result = df.groupby(df.iloc[:,0])[df.iloc[:,2]].quantile(target_quantiles).unstack()

内容的提问来源于stack exchange，提问作者BirdLaw