pandas 分组取中位数

要在 pandas 中进行分组并取中位数，可以使用 `groupby()` 和 `median()` 方法。以下是一个示例：

import pandas as pd

# 创建一个示例数据集
data = {'Group': ['A', 'A', 'B', 'B', 'B', 'C', 'C'],
        'Value': [1, 2, 3, 4, 5, 6, 7]}
df = pd.DataFrame(data)

# 按照 'Group' 列进行分组并计算中位数
median_values = df.groupby('Group')['Value'].median()

print(median_values)

输出结果为：

Group
A    1.5
B    4.0
C    6.5
Name: Value, dtype: float64

这里首先创建了一个示例的 DataFrame，其中包含一个 'Group' 列和一个 'Value' 列。然后，使用 `groupby('Group')` 将数据按照 'Group' 列进行分组。最后，使用 `median()` 方法计算每个分组的中位数。

相关问题

pythopython先对字段分组求众数，若多个众数返回中位数，没有则返回平均数 n先对字段分组求众数，若多个众数返回中位数，没有则返回平均数

Python中的pandas库提供了一种方便的方式来处理数据分组并计算各种统计量，包括众数、中位数和平均数。如果你有一个DataFrame或Series，并想要对其中某一列进行操作，可以这样做：

import pandas as pd

# 假设df是一个DataFrame，你想对列'my_column'进行分析
grouped = df.groupby('my_field')

# 对'group_column'求众数
mode_values = grouped['my_column'].mode()

# 如果有多个众数，则取中位数，如果没有则取平均值
if len(mode_values) > 1:
    median_value = grouped['my_column'].median()
else:
    mean_value = grouped['my_column'].mean()

# 如果有多个众数且没有直接的中位数，你可以选择其中一个作为代表
result = mode_values.median() if median_value is not None else mean_value.iloc[0]

result

在这个例子中，`mode()`函数用于获取众数，如果有多个，会返回一个Series，然后我们检查其长度决定是否需要进一步计算中位数或平均数。

设计可复制的Python程序代码实现：现有一第二列为瞬时车速csv数据表格，先按照每20行为一组，计算其每组的jerk值，并取jerk的中位数，按照中位数为中心，将这些组再次分为两组，分别输出这两组的未分组时的原数据，输出为csv格式。

好的，根据您的要求，我为您编写了以下Python程序代码：

import pandas as pd
import numpy as np

# 读取csv文件
df = pd.read_csv('data.csv')

# 每20行为一组，计算jerk的中位数
median_jerk = df['瞬时车速'].rolling(window=20).apply(lambda x: x.diff().diff().median(), raw=True).dropna()

# 将中位数作为分组依据，将数据分为两组
group_id = np.digitize(df['瞬时车速'], median_jerk)

# 分别输出两组数据到csv文件
group1 = df[group_id == 1]
group1.to_csv('group1.csv', index=False)

group2 = df[group_id == 2]
group2.to_csv('group2.csv', index=False)

请注意，这是一个可复制的Python程序代码，您可以将其复制到您的项目中并运行。同时，根据您的数据文件名和路径，您需要将代码中的`data.csv`、`group1.csv`和`group2.csv`分别替换为您的实际文件名和路径。