pandas groupby 中的分位数阈值/过滤器

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 找到过滤后group的平均值，var1以按 group限制df到前四分位var2数值。也就是说，每个组的阈值是：

thresh = df.groupby('group')['var2'].quantile(0.75)

这是我想要结束的一个循环演示：

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

结果应该是一个带有 ( group, var) 列的 DataFrame或一个由 索引的系列group。我相信解决方案可能涉及.transform/.apply但被困在那里。

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
团体          
-1.471336
乙 0.155121