Python、Pandas：多列分组数据的百分位数

Question

我没能找到这个具体问题的答案。我的数据看起来像：

df = pd.DataFrame({'Product': ['Alpha', 'Alpha', 'Alpha', 'Alpha','Alpha', 'Beta', 'Beta', 'Beta','Beta', 'Gamma', 'Gamma', 'Gamma','Delta','Delta','Epsilon','Epsilon','Epsilon','Epsilon'],'Age': [0,1,2,5,8,0,2,3,5,1,3,2,8,5,1,5,4,2],'Quantity': [114,82,15,35,27,63,32,55,87,50,4,22,6,96,94,3,64,110]})

产品	年龄	数量
阿尔法	0	114
阿尔法	1	82
阿尔法	2	15
阿尔法	5	35
阿尔法	8	27
测试版	0	63
测试版	2	32
测试版	3	55
测试版	5	87
伽玛	1	50
伽玛	3	4
伽玛	2	22
三角洲	8	6
三角洲	5	96
小量	1	94
小量	5	3
小量	4	64
小量	2	110

我正在寻找的是年龄的任意百分位数，按产品细分，假设有数量，e，g.：

产品	第 70 个百分位（年）	90%（年）
阿尔法	0	2
测试版	5	5
伽玛	2	2
三角洲	5	5
小量	2	4

Answer 1

这是一种方法：

• 应用

  df.reindex

  使用

  np.repeat

  与列“数量”作为重复。
• 按“产品”列分组数据 (

  df.groupby

  )，选择“年龄”列，然后将

  .quantile

  与您选择的百分位数一起应用：

  [0.7, 0.9]

  .
• 剩下的就是获得所需的形状：在索引Series.unstack

  上使用

  level 1，然后再次应用

  df.reindex

  ，这次使用来自

  df['Product']

  （

  Series.unique

  ）的唯一值。这重新建立了产品价值的顺序。
• 最后，在 for 循环中重命名您的列并删除添加的索引标签。

import pandas as pd
import numpy as np

perc = [0.7,0.9]
res = (df.reindex(np.repeat(df.index, df['Quantity']))
       .groupby('Product')['Age'].quantile(perc)
       .unstack(1)
       .reindex(df['Product'].unique())
       )

res.columns = [f"{int(col*100)}th Percentile (years)" for col in res.columns]
res.index.name = None

res

         70th Percentile (years)  90th Percentile (years)
Alpha                        1.0                      5.0
Beta                         5.0                      5.0
Gamma                        2.0                      2.0
Delta                        5.0                      5.0
Epsilon                      2.0                      4.0

Chain

res.astype(int)

，如果你想要整数。顺便说一下，您想要的输出包含一个错误。对于“Alpha”，您有

70% = 0

和

90% = 2

，但它们应该分别是

1

和

5

。

Answer 2

您需要通过重复每个年龄段的数量来获得加权百分位数。您可以为此创建一个自定义函数并将其应用于每个组：

import numpy as np

def weighted_percentile(df, p):
    arr = np.percentile(np.repeat(df['Age'], df['Quantity']), p)
    return pd.Series(arr).rename(lambda x: f'{p[x]}th Percentile (years)')

out = (df.groupby('Product', as_index=False, sort=False)
         .apply(weighted_percentile, p=[70, 90]))

输出：

>>> out
   Product  70th Percentile (years)  90th Percentile (years)
0    Alpha                      1.0                      5.0
1     Beta                      5.0                      5.0
2    Gamma                      2.0                      2.0
3    Delta                      5.0                      5.0
4  Epsilon                      2.0                      4.0