处理和返回一组组中的数据答案

【问题标题】：Process and return data from a group of a group处理和返回一组组中的数据
【发布时间】：2021-10-20 01:45:22
【问题描述】：

我有一个包含 3 个变量、2 个分类变量和 2 个数字变量的 pandas 数据框。

ID	Trimester	State	Tax	rate
45	T1	NY	20	0.25
23	T3	FL	34	0.3
35	T2	TX	45	0.6

我想得到一个表格的新表格：

ID	Trimester	State	Tax	rate	Tax_per_state_per_trimester
45	T1	NY	20	0.25	H
23	T3	FL	34	0.3	L
35	T2	TX	45	0.6	M

其中新变量“Tax_per_state_per_trimester”是一个分类变量，表示相应子组的三分位数，其中 L = 第一个三分位数，M = 第二个三分位数，L = 最后一个三分位数

我知道我可以使用以下方法进行双重分组：

df.groupby(['State', 'Trimester'])

但我不知道从那里怎么走。

我猜想使用 quantile 函数应用或转换应该很有用，但是如何？

【问题讨论】：

可以使用 pd.quantile(0.33) 吗？但是你三分位数的基础是什么？到您按三个月分组时，州，您将只有 1 个税值？那么计算三分位数的基数是什么？基础是所有三个月还是所有状态？我想不通。
不会只赌 1 个税值，因为数据框要大得多，这只是一个样本。双重分组将（在任何操作之前）给出一个列表，其中包含每个州在每个学期的税收值。例如，组 NY_T1 将具有 [20,45,65,75] ，然后通常会应用一个函数，例如。意思是（）。如果我想要，那么我只需执行 df.groupby(['State', 'Trimester'])['tax'].mean() ，我会得到每个州每三个月的平均税。
.mean() 你只需要 1 个数字吗？你想要的是说 [20,45,65,75,xx,xx,xx] 对于每个状态，tri，你想要一个分位数，对吧？不会只有 1 个数字吧？

标签： python pandas pandas-groupby feature-engineering

【解决方案1】：

你能看看这是否给你想要的结果吗？

df = pd.read_excel('Tax.xlsx')

def mx(tri,state):
    return df[(df['Trimester'].eq(tri)) & (df['State'].eq(state))] \
    .groupby(['Trimester','State'])['Tax'].apply(max)[0]

for i,v in df.iterrows():
    t = (v['Tax'] / mx(v['Trimester'],v['State']))
    df.loc[i,'Tax_per_state_per_trimester'] = 'L' if t < 1/3 else 'M' if t < 2/3 else 'H'

【讨论】：

@dov1000。我把它放上来看看这是否是你要找的结果。我想如果你的桌子很小，代码就可以了。但如果很大可能会很慢。