Pandas中如何对指定的定类数据的各类进行指定的定量中位数处理，接着根据每个类别和对应的中位数建立新的pandas

要对 Pandas 数据框中的指定分类数据进行定量中位数处理，并根据每个类别和对应的中位数建立新的 Pandas 数据框，可以使用 Pandas 库的 `groupby()` 方法和 `median()` 方法。下面是一个例子：

import pandas as pd

# 创建一个数据框
df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily', 'Frank'],
    'gender': ['female', 'male', 'male', 'male', 'female', 'male'],
    'age': [25, 20, 30, 18, 22, 28],
    'salary': [5000, 4000, 6000, 3500, 4500, 7000]
})

# 对 'gender' 列进行分组，并计算每个分组的 'salary' 列的中位数
median_salary = df.groupby('gender')['salary'].median()

# 建立新的数据框，包含每个类别和对应的中位数
df_median = pd.DataFrame({
    'gender': median_salary.index,
    'median_salary': median_salary.values
})

print(df_median)

输出结果如下：

   gender  median_salary
0  female           4750
1    male           5000

在上面的例子中，我们首先创建了一个数据框 `df`，然后使用 `groupby()` 方法对 `gender` 列进行分组，接着使用 `median()` 方法计算每个分组的 `salary` 列的中位数，并将结果存储在 `median_salary` 变量中。接着，我们使用 `pd.DataFrame()` 函数建立一个新的数据框 `df_median`，包含每个类别和对应的中位数，最后输出整个数据框 `df_median`。

在此例中，我们对 `gender` 列进行了分组，在每个分组中计算了 `salary` 列的中位数，并将每个类别和对应的中位数存储在了一个新的数据框 `df_median` 中。