Question

我试图用平均数，中位数，第25百分位数，第75百分位数，标准差来描述A，B列。

df = pd.DataFrame({'A':[1,9,3,4,6,8,2,7],
                   'B':[2,4,7,8,9,2,5,6],
                   'S':['L','L','L','S','L','S','S','L']})

这是我所做的，因为我只有第25百分位数，所以它有效：

df.pivot_table(columns = ['S'], values = ['A','B'], aggfunc = [np.mean, lambda x: np.percentile(x,25), np.median, np.std])

但如果我也把第75百分位数放进去，它会给我错误信息：

Reindexing only valid with uniquely valued Index objects

理想情况下，我希望输出列表在下一列中占第75个百分点。

Answer 1

这将做我认为你想要的，但没有lambda和额外的几行：

def my25(g):
    return np.percentile(g, 25)

def my75(g):
    return np.percentile(g, 75)

df.pivot_table(columns = ['S'], values = ['A','B'], 
               aggfunc = [np.mean, my25, np.median, np.std, my75])

        mean      my25    median         std      my75     
S    L     S    L    S      L  S     L     S    L    S
A  5.2  4.67    3  3.0      6  4  3.19  3.06    7  6.0
B  5.6  5.00    4  3.5      6  5  2.70  3.00    7  6.5

编辑：实际上，如果使用groupby聚合而不是pivot_table，则可以仅使用lambda函数，并为每个函数提供名称。

func_lst = [('mean',np.mean), ('25',lambda x:np.percentile(x,0.25)), 
            ('med',np.median), ('std',np.std), ('75',lambda x:np.percentile(x,0.75))]

df.groupby（＆＃39; S＆＃39）。AGG（func_lst）.STACK（级别= 0）.unstack（级别= 0）.swaplevel（0,1，轴= 1）

        mean      25    med         std      75     
S    L     S  L    S   L  S     L     S  L    S
A  5.2  4.67  3  3.0   6  4  3.19  3.06  7  6.0
B  5.6  5.00  4  3.5   6  5  2.70  3.00  7  6.5

我认为在pivot_table调用中使用func_lst可能会有效，但它不会。无论如何，只需定义my25，my75函数并使用pivot_table就更清楚了。

Pandas pivot_table百分位数

1 个答案: