Pandas：按分位数分组并计算统计数据答案

【问题标题】：Pandas: group by quantiles and calculate statsPandas：按分位数分组并计算统计数据
【发布时间】：2020-06-09 15:45:03
【问题描述】：

我有99个人的年收入数据：

import pandas, random
incomes = pandas.DataFrame({'income':[round(random.triangular(20,80,200),0) for i in range(99)]})

如何：

将他们分成 3 个分位数，“穷人”、“中等”、“富人”，每人 33 人
计算每个分位数的平均收入

抱歉，听起来像个新手问题。我在学。谢谢！

【问题讨论】：

分位数可能不完全是 33/33/33，尤其是整数
感谢@yatu！我支持你，但没有“接受”你的最终答案，因为我仍然认为 qcut() 不均匀地拆分集合，在 bin 边缘存在重复项

标签： python pandas grouping quantile

【解决方案1】：

如前所述，要对列进行分组，您可以使用Series.quantile，它允许指定分位数序列。然后使用pd.cut 将列拆分为 bin。

然后，您可以使用“分位数组”来获取对数据框进行分组的统计信息，如下所示：

quant = incomes.income.quantile(q=[0,0.33,0.66,1]).values
incomes['groups'] = pd.cut(incomes.income, quant, labels=["poor", "middle", "rich"])
incomes['avg_income'] = incomes.groupby('groups').transform('mean')

或者，正如@allolz 提到的，您可以使用qcut，它可以一步完成上述操作：

incomes['groups'] = pd.qcut(incomes.income, 3, labels=['poor', 'medium', 'rich'])

print(incomes)

    income  groups  avg_income
0     96.0  middle   89.312500
1     77.0    poor   53.531250
2     93.0  middle   89.312500
3     86.0  middle   89.312500
4     59.0    poor   53.531250
..     ...     ...         ...
94    29.0    poor   53.531250
95   121.0    rich  112.823529
96    87.0  middle   89.312500
97   111.0    rich  112.823529
98    55.0    poor   53.531250

【讨论】：

感谢@yatu，我仍然遇到 qcut() 在存在重复项的情况下无法均匀拆分 bin 的问题。我能想到的唯一解决方法是添加一个具有唯一值的额外“rank”列，并将该“rank”列用于 qcut()。但我希望有一个更直接的解决方案...