我有一个在月份列上编入索引的DataFrame(使用df = df.set_index(‘month’)设置,如果相关的话)：
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“分位数”的新列,它将根据该月份的ratio_cost值为每行分配一个分位数值.
所以上面的例子可能如下所示：
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
我怎样才能做到这一点？我试过这个：
df['quantile'] = df.groupby('month')['ratio_cost'].rank(pct=True)
但我得到KeyError：’月’.
更新：我可以重现这个bug.
这是我的CSV文件：http://pastebin.com/raw/6xbjvEL0
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.
解决方法
你必须在
rank之前
sort_index：
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