python - Pandas :按索引值分组，然后计算分位数？

Question

我在 month 列上索引了一个 DataFrame(使用 df = df.set_index('month') 设置，以防相关):

             org_code  ratio_cost   
month
2010-08-01   1847      8.685939     
2010-08-01   1848      7.883951     
2010-08-01   1849      6.798465     
2010-08-01   1850      7.352603     
2010-09-01   1847      8.778501     

我想添加一个名为 quantile 的新列，它将根据该月的 ratio_cost 值为每一行分配一个分位数值。

所以上面的例子可能是这样的:

             org_code  ratio_cost   quantile
month
2010-08-01   1847      8.685939     100 
2010-08-01   1848      7.883951     66.6 
2010-08-01   1849      6.798465     0  
2010-08-01   1850      7.352603     33.3
2010-09-01   1847      8.778501     100

我该怎么做？我试过这个:

df['quantile'] = df.groupby('month')['ratio_cost'].rank(pct=True)

但是我得到 KeyError: 'month'。

更新:我可以重现该错误。

这是我的 CSV 文件:http://pastebin.com/raw/6xbjvEL0

这里是重现错误的代码:

df = pd.read_csv('temp.csv')
df.month = pd.to_datetime(df.month, unit='s')
df = df.set_index('month')
df['percentile'] = df.groupby(df.index)['ratio_cost'].rank(pct=True)
print df['percentile']

我在 OSX 上使用 Pandas 0.17.1。

Answer 1

你必须 sort_index之前rank :

import pandas as pd

df = pd.read_csv('http://pastebin.com/raw/6xbjvEL0')

df.month = pd.to_datetime(df.month, unit='s')
df = df.set_index('month')

df = df.sort_index()

df['percentile'] = df.groupby(df.index)['ratio_cost'].rank(pct=True)
print df['percentile'].head()

month
2010-08-01    0.2500
2010-08-01    0.6875
2010-08-01    0.6250
2010-08-01    0.9375
2010-08-01    0.7500
Name: percentile, dtype: float64