使用Pandas将数据按前N%分组

Question

我有一个pandas系列（作为较大数据框的一部分），如下所示：

0        7416
1       10630
2        7086
3        2091
4        3995
5        1304
6         519
7        1262
8        3676
9        2371
10       5346
11        912
12       3653
13       1093
14       2986
15       2951
16      11859

我希望能按照以下分位数对行进行分组：

Top 0-5%
Top 6-10%
Top 11-25%
Top 26-50%
Top 51-75%
Top 76-100%

首先我使用pd.rank()处理了数据，然后我计划使用pd.cut()将数据分成多个区间，但是它似乎不接受前N%作为参数，而是需要手动指定每个区间的边界。在pandas中有简单的方法来实现这一点吗？或者我需要创建一个lambda/apply函数来计算排名后的每个项目应该放置在哪个区间。

- metersk

Answer 1

这是您想要的吗？

pd.qcut(data, [0.05, 0.1, 0.25, 0.5, 0.75, 1])

- crow_t_robot

---

不太对。当我把这个应用到我的数据集时，它说在前0-5%的百分位有419篇文章，但实际上在我的1674个样本的数据集中，只应该有84个样本在前5%之内。 - metersk

如果你反转数组的顺序会怎样？ - crow_t_robot

[0.25, 0.5, 0.75, 0.9, 0.95, 1] 是我的意思。 - crow_t_robot

Answer 2

稍微修改一下代码：

pd.qcut(data, [0, 0.05, 0.1, 0.25, 0.5, 0.75, 1])

否则，如果数据集小于0.05（5%），它会给我NaN。

- udothemath