我有一个看起来像这样的Pandas数据框:
school_id uni_id points
123 44 180
123 45 160
123 45 160
123 48 110
124 44 180
124 45 160
124 47 130
123 48 120
生成如下,以帮助善良的回答者:
df = pd.DataFrame({
'school_id': [123, 123, 123, 123, 124, 124, 124, 124],
'school_id': [44, 45, 45, 48, 44, 45, 47, 48],
'points': [180, 160, 160, 110, 180, 160, 130, 120]
})
我想添加一个百分位列,该列代表每所学校的
points
值的百分位。因此,该数据集将如下所示: school_id uni_id points percentile
123 44 180 100
123 45 160 50
123 45 160 50
123 48 110 0
124 44 180 100
124 45 160 66
124 47 130 33
123 48 120 0
最好的方法是什么?我假设我需要按
school_id
进行分组,然后以某种方式在每个子组内进行df.quantile()
,然后取消分组?更新:也许我需要从这样的东西开始...
df.groupby('school_id')['points'].rank(ascending=False)
,然后将等级除以每组的长度以将其标准化为0到100? 最佳答案
您可以在计算pct=True
分组的子组之间的数值数据等级时指定"school_id"
,作为 GroupBy.rank
方法的附加arg:
df.assign(percentile=df.groupby("school_id")['points'].rank(pct=True).mul(100))
要检查(针对一个实例):
from scipy.stats import percentileofscore
df.groupby("school_id")['points'].apply(percentileofscore, 160)
school_id
123 70.000000
124 66.666667
Name: points, dtype: float64