你可以使用下面的基本语法，在Pandas中按组计算量值。
df.groupby('grouping_variable').quantile(.5)
下面的例子展示了如何在实践中使用这种语法。
例1：按组计算量化指标
假设我们有如下的pandas数据框架：
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': [1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2],
'score': [3, 4, 4, 5, 5, 8, 1, 2, 2, 3, 3, 5]})
#view first five rows
df.head()
team score
0 1 3
1 1 4
2 1 4
3 1 5
4 1 5
下面的代码显示了如何计算 "积分 "列中数值的第90个百分位数，并按 "团队 "列进行分组：
df.groupby('team').quantile(.90)
score
team
1 6.5
2 4.0
下面是如何解释输出结果的：
- 第1队的 "积分 "的第90百分位数是6.5
- 第2队的 "分数 "的第90百分位数是4.0
例2：按组计算几个百分位数
下面的代码显示了如何按组一次计算几个量化指标：
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': [1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2],
'score': [3, 4, 4, 5, 5, 8, 1, 2, 2, 3, 3, 5]})
#create functions to calculate 1st and 3rd quartiles
def q1(x):
return x.quantile(0.25)
def q3(x):
return x.quantile(0.75)
#calculate 1st and 3rd quartiles by group
vals = {'score': [q1, q3]}
df.groupby('team').agg(vals)
score
q1 q3
team
1 4.0 5.0
2 2.0 3.0
下面是如何解释输出结果的：
- 第1组分数的第一和第三四分位数分别是4.0和5.0
- 第2组得分的第一和第三四分位数分别是2.0和3.0
其他资源
下面的教程介绍了如何在pandas中执行其他常见函数：
