Groupby 선택한 DataFrame 열 값의 백분위 수

Question

DataFrame에 실제 값만 포함하는 상상해를 갖고 있다고 가정 해보십시오.

>> df   
      col1 col2  col3 
0  0.907609  82 4.207991 
1  3.743659 1523 6.488842 
2  2.358696 324 5.092592 
3  0.006793  0 0.000000 
4 19.319746 11969 7.405685 

내가 분위수 (또는 날에 의해 지정된 다른 백분위) 선택된 항목의 그룹화 그것을 원하는 (예를 들어, col1)이 그룹에 어떤 동작을 수행한다. 이상적으로, 내가 좋아하는 일을하고 싶습니다 :

df.groupy(quartiles_of_col1).mean() # not working, how to code quartiles_of_col1? 

출력은 col1의 분위에 해당하는 네 개의 그룹에 대한 열의 각각의 평균을 제공해야합니다. 이 명령은 groupby 명령으로 가능합니까? 그것을 달성하는 가장 간단한 방법은 무엇입니까?

Answer 1

을 인쇄 할 것은 내가 지금 그것을 테스트 할 수있는 컴퓨터가없는 작동 희망,하지만 난 당신이 그것을 할 수 있다고 생각 : df.groupby(pd.cut(df.col0, np.percentile(df.col0, [0, 25, 75, 90, 100]), include_lowest=True)).mean(). 150 분 후에 업데이트됩니다.

일부 설명 :

In [42]: 
#use np.percentile to get the bin edges of any percentile you want 
np.percentile(df.col0, [0, 25, 75, 90, 100]) 
Out[42]: 
[0.0067930000000000004, 
0.907609, 
3.7436589999999996, 
13.089311200000001, 
19.319745999999999] 
In [43]: 
#Need to use include_lowest=True 
print df.groupby(pd.cut(df.col0, np.percentile(df.col0, [0, 25, 75, 90, 100]), include_lowest=True)).mean() 
         col0  col1  col2 
col0           
[0.00679, 0.908] 0.457201  41.0 2.103996 
(0.908, 3.744]  3.051177 923.5 5.790717 
(3.744, 13.0893]  NaN  NaN  NaN 
(13.0893, 19.32] 19.319746 11969.0 7.405685 
In [44]: 
#Or the smallest values will be skiped 
print df.groupby(pd.cut(df.col0, np.percentile(df.col0, [0, 25, 75, 90, 100]))).mean() 
         col0  col1  col2 
col0           
(0.00679, 0.908] 0.907609  82.0 4.207991 
(0.908, 3.744]  3.051177 923.5 5.790717 
(3.744, 13.0893]  NaN  NaN  NaN 
(13.0893, 19.32] 19.319746 11969.0 7.405685 

Answer 2

문제가 해결되기를 바랍니다. 그것은 꽤하지 않습니다하지만 난 당신이

import pandas as pd 
    import random 
    import numpy as np 
    ## create a mock df as example. with column A, B, C and D 
    df = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD')) 

    ## select dataframe based on the quantile of column A, using the quantile method. 
    df[df['A'] < df['A'].quantile(0.3)].mean() 

이

A -1.157615 
B 0.205529 
C -0.108263 
D 0.346752 
dtype: float64 

Answer 3

팬더뿐만 아니라 여기에, 기본 솔루션, pandas.qcut 있습니다

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.qcut.html