Skip to main content
 首页 » 编程设计

python之根据多个标识符查找值的中位数并添加到行

2025年04月02日15jackei

我是这方面的新手,正在寻求解决以下问题。我有一个数据集,其中包含基于一周内每天发生的多个关键字搜索的 SKU 搜索排名。

我希望能够在我的数据中添加一列,其中包含median(或mean,或std)该 SKU 在特定日期的搜索排名。

import csv 
import numpy as np 
import pandas as pd 
from pandas import DataFrame 
 
df = pd.read_csv('searchdata.csv') 
 
dfdataIwant = df[['Date', 'SKU', 'Search_Rank']] 
print dfdataIwant.groupby(['Date','SKU']).median() 

这为我提供了我正在寻找的 median 值。但是,我想要做的是获取该 median 值并将其插入到新列中。我在此列中插入的 median 值应与正确的日期和 SKU 相对应。

请您参考如下方法:

如果你想将.grouby()聚合结果赋值给原始的DataFrame,有.transform() (see docs ):

df['median'] = data.groupby(['Date','SKU'])['Search Rank'].transform('median') 

您提到的其他统计数据也可用。示例:

df = pd.DataFrame(data={'rank': np.random.randint(low=1, high=100, size=500), 
                        'SKU': np.random.choice(list('ABCDE'), replace=True, size=500), 
                        'date': np.array([d for d in repeat(pd.date_range(start=date(2016,1,1), freq='D', periods=20), 25)]).flatten()}) 
 
df['median'] = df.groupby(['date','SKU'])['rank'].transform('median') 

结果:

df.sort_values(['date', 'SKU', 'rank']) 
 
    SKU       date  rank  median 
460   A 2016-01-01     4    66.0 
80    A 2016-01-01    29    66.0 
400   A 2016-01-01    38    66.0 
220   A 2016-01-01    64    66.0 
480   A 2016-01-01    68    66.0 
160   A 2016-01-01    69    66.0 
200   A 2016-01-01    70    66.0 
360   A 2016-01-01    86    66.0 
280   B 2016-01-01    14    22.0 
300   B 2016-01-01    30    22.0 
380   C 2016-01-01    35    63.0 
240   C 2016-01-01    46    63.0 
440   C 2016-01-01    63    63.0 
20    C 2016-01-01    69    63.0 
340   C 2016-01-01    91    63.0 
100   D 2016-01-01    32    59.0 
40    D 2016-01-01    38    59.0 
120   D 2016-01-01    59    59.0 
320   D 2016-01-01    77    59.0 
260   D 2016-01-01    94    59.0 
0     E 2016-01-01    31    60.0 
420   E 2016-01-01    35    60.0 
140   E 2016-01-01    60    60.0 
60    E 2016-01-01    64    60.0 
180   E 2016-01-01    99    60.0 
441   A 2016-01-02    35    52.0 
281   A 2016-01-02    52    52.0 
481   A 2016-01-02    71    52.0 
341   B 2016-01-02    73    88.0 
81    B 2016-01-02    81    88.0 
..   ..        ...   ...     ... 
418   D 2016-01-19    98    71.5 
38    E 2016-01-19    50    54.0 
458   E 2016-01-19    51    54.0 
478   E 2016-01-19    57    54.0 
18    E 2016-01-19    71    54.0 
439   A 2016-01-20     9    45.0 
499   A 2016-01-20    45    45.0 
99    A 2016-01-20    63    45.0 
279   B 2016-01-20    12    55.5 
339   B 2016-01-20    29    55.5 
459   B 2016-01-20    44    55.5 
379   B 2016-01-20    53    55.5 
319   B 2016-01-20    58    55.5 
39    B 2016-01-20    84    55.5 
299   B 2016-01-20    94    55.5 
119   B 2016-01-20    98    55.5 
199   C 2016-01-20    15    43.0 
159   C 2016-01-20    43    43.0 
479   C 2016-01-20    90    43.0 
259   D 2016-01-20    12    33.0 
419   D 2016-01-20    13    33.0 
59    D 2016-01-20    15    33.0 
139   D 2016-01-20    31    33.0 
79    D 2016-01-20    33    33.0 
19    D 2016-01-20    42    33.0 
239   D 2016-01-20    46    33.0 
399   D 2016-01-20    54    33.0 
219   D 2016-01-20    63    33.0 
179   E 2016-01-20    27    53.5 
359   E 2016-01-20    80    53.5