Question

我有一个分类变量和两个数字列：

np.random.seed(123)    
df = pd.DataFrame({'group' : ['a']*10+['b']*10,
                   'var1' : np.random.randn(20),
                   'var2' : np.random.randint(10,size=20)})

我想通过group找到var1后的df的平均值，将var2限制为按组排列的最高四分位thresh = df.groupby('group')['var2'].quantile(0.75)值 EM>。也就是说，每个组的阈值将是：

for group, frame in df.groupby('group'): print(frame[frame.var2 >= frame.var2.quantile(0.75)].var1.mean()) # -1.4713362407192072 # 0.15512098976530683

这里是我想要最终结果的循环演示：

group

结果应该是包含（var，group）列的数据框架或由.transform索引的系列。我认为解决方案可能涉及.apply / {{1}}，但我被困在那里。

Answer 1

你在找这个吗？

new = df.groupby('group').apply(lambda x : \
          x[x.var2>=x.var2.quantile(0.75)] \
          .var1.mean()).to_frame()

             0
group          
a     -1.471336
b      0.155121

Answer 2

与@ Bharathshetty的答案类似，但是让函数更灵活，而不是将它合并到lambda中：

def thresh_filter(obj, sort_var, tgt_var, q=0.75, stat='mean'):
    thresh = obj[sort_var].quantile(q=q)
    return getattr(obj[obj[sort_var] >= thresh][tgt_var], stat)()

print(df.groupby('group').apply(lambda x: thresh_filter(x, 'var2', 'var1')))
group
a   -1.47134
b    0.15512
dtype: float64

pandas groupby中的分位数阈值/过滤器

2 个答案: