如何按指定分位数获取Pandas DataFrame记录？解决多分位数报错

嘿，这个问题我之前也碰到过！咱们先搞清楚为什么多分位数场景下会报错：

当你用df['C'] == df['C'].quantile(q=[0.25, 0.75])时，右边的quantile方法返回的是一个带索引的Series（比如索引是[0.25, 0.75]，值是对应的分位数），而左边的df['C']是一个索引从0到4的Series。Pandas的==会尝试按索引对齐来比较，两边索引完全不匹配，自然就抛出ValueError: Can only compare identically-labeled Series objects了。

而单个分位数时没问题，是因为quantile(q=0.25)返回的是一个标量值，每个元素直接和标量比较，不需要索引对齐。

最简单的解决方案：用isin()方法 #

要匹配多个分位数的值，直接用isin()来检查元素是否在分位数集合里就好，它完全不关心索引，只看值：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({'A': ['a', 'b', 'c', 'd', 'e'], 'C': [1, 2, 3, 4, 5]})

# 匹配0.25和0.75分位数的记录
result = df[df['C'].isin(df['C'].quantile(q=[0.25, 0.75]))]
print(result)

运行后输出：

A  C
1  b  2
3  d  4

额外小提示 #

• 如果想让代码更清晰，可以先把分位数结果存成变量：

  target_quantiles = df['C'].quantile(q=[0.25, 0.75])
  result = df[df['C'].isin(target_quantiles)]
  

• 如果你的数据中存在重复的分位数（比如多个值刚好等于某分位数），isin()也能正确筛选出所有匹配的记录，不会遗漏。

内容的提问来源于stack exchange，提问作者ihadanny