很抱歉，如果这是重复的帖子，虽然我找不到相关的帖子
from random import seed
seed(100)
P = pd.DataFrame(np.random.randint(0, 100, size=(1000, 2)), columns=list('AB'))
我想要的是将P按列A的四分位数/分位数/十分位数/等进行分组，然后按组计算汇总统计信息（例如mean）。我可以将列的定义定义为
P['A'].quantile(np.arange(10) / 10)
我不确定如何对A的符号进行分组。预先感谢！
答案 0 :(得分：2)
如果您想将P分组，例如按四分位数运行：
gr = P.groupby(pd.qcut(P.A, 4, labels=False))
然后您可以在这些组上执行任何操作。
对于演示文稿，下面您仅打印了P
20行：
for key, grp in gr:
print(f'\nGroup: {key}\n{grp}')
给出：
Group: 0
A B
0 8 24
3 10 94
10 9 93
15 4 91
17 7 49
Group: 1
A B
7 34 24
8 15 60
12 27 4
13 31 1
14 13 83
Group: 2
A B
4 52 98
5 53 66
9 58 16
16 59 67
18 47 65
Group: 3
A B
1 67 87
2 79 48
6 98 14
11 86 2
19 61 14
如您所见，每个组（四分位数）有5个成员，因此分组为 正确。
如果您对每个四分位数的边界感兴趣，请运行：
pd.qcut(P.A, 4, labels=False, retbins=True)[1]
然后cut返回2个结果（一个元组）。第一个元素（数字0）为
结果返回之前，但是我们这次对
第二个元素（第1个）-框边框。
对于您的数据，它们是：
array([ 4. , 12.25, 40.5 , 59.5 , 98. ])
例如第一个四分位数在 4 和 12.35 之间。
答案 1 :(得分：1)
您可以使用quantile系列创建另一列，用分位数标签标记每一行，然后按该列分组。 numpy searchsorted为此非常有用：
import numpy as np
import pandas as pd
from random import seed
seed(100)
P = pd.DataFrame(np.random.randint(0, 100, size=(1000, 2)), columns=list('AB'))
q = P['A'].quantile(np.arange(10) / 10)
P['G'] = P['A'].apply(lambda x : q.index[np.searchsorted(q, x, side='right')-1])
由于分位数系列存储分位数间隔的较低值，因此请确保将参数side='right'传递给np.searchsorted不会得到0（最小值应为1或您的索引比您需要）。
现在您可以通过以下方式详细说明统计信息：
P.groupby('G').agg(['sum', 'mean']) #add to the list all the statistics method you wish