如果有数字间隔，请计算分组中位数

Question

这是我的数据框，其中包含间隔号（类）。

     df = pd.DataFrame({'Class': [1,2,3,4,5,6,7,8,9,10,11], 
               'Class Interval': ['16.25-18.75', '18.75-21.25', '21.25-23.75', 
                                  '23.75-26.25', '26.25-28.75', '28.75-31.25',
                                  '31.25-33.75', '33.75-36.25', '36.25-38.75',
                                  '38.75-41.25', '41.25-43.75'],
              '𝑓𝑖' : [2,7,7,14,17,24,11,11,3,3,1],
              'Cumulative 𝑓𝑖': [2,9,16,30,47,71,82,93,96,99,100],
              '𝑓𝑖/n' : [.02,.07,.07,.14,.17,.24,.11,.11,.03,.03,.01],
              'Cumulative 𝑓𝑖/n' : [.02, .09,.16,.30,.47,.71,.82,.93,.96,.99,1.00]})
    df

        Class   Class Interval   𝑓𝑖   Cumulative  𝑓𝑖     𝑓𝑖/𝑛    Cumulative  𝑓𝑖/𝑛 
    0   1       16.25-18.75      2          2            0.02   0.02
    1   2       18.75-21.25      7          9            0.07   0.09
    2   3       21.25-23.75      7         16            0.07   0.16
    3   4       23.75-26.25     14         30            0.14   0.30
    4   5       26.25-28.75     17         47            0.17   0.47
    5   6       28.75-31.25     24         71            0.24   0.71
    6   7       31.25-33.75     11         82            0.11   0.82
    7   8       33.75-36.25     11         93            0.11   0.93
    8   9       36.25-38.75     3          96            0.03   0.96
    9   10      38.75-41.25     3          99            0.03   0.99
    10  11      41.25-43.75     1         100            0.01   1.00

问题：如何使用python计算此数据帧的分组中位数？

可以手动完成，结果是29.06。

我尝试过'median_grouped'：

    # importing median_grouped from the statistics module 
    from statistics import median_grouped

    # printing median_grouped for the set 
    print("Grouped Median is %s" %(median_grouped(df['Class Interval']))) 

但是我得到了错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-26-491000133032> in <module>
      4 
      5 # printing median_grouped for the set
----> 6 print("Grouped Median is %s" %(median_grouped(df['Class Interval'])))

~\Anaconda3\ANACONDA\lib\statistics.py in median_grouped(data, interval)
    463     for obj in (x, interval):
    464         if isinstance(obj, (str, bytes)):
--> 465             raise TypeError('expected number but got %r' % obj)
    466     try:
    467         L = x - interval/2  # The lower limit of the median interval.

TypeError: expected number but got '28.75-31.25'

比起我尝试制作两列（一列的下限和一列的上限），但是他只给了我下限（28.75）/上限中位数（31.25）。我也只尝试了下限，但是当然比他给我的还低了28.75。

我没有在间隔内的值，所以我无法重新创建要使用pd.cut剪切的值列表，并像这样正确地尝试（我不想猜测），但是我也尝试了手动操作使类间隔成为垃圾箱（例如16.25-18.25大于（16.25,18.25]，但后来我得到了错误消息：TypeError：无法排序的类型：Interval（）

是否有可能用间隔数字而不是字符串来使列能够使用Python自动计算分组的Median？

Answer 1

我首先将您的时间间隔转换为lower bound（lb）和upper bound（ub）的两个单独的列

df = (df.join(df['Class Interval'].str.split('-', expand=True)
                                  .apply(pd.to_numeric)
                                  .rename(columns={0: 'lb', 1: 'ub'}))
        .drop('Class Interval', 1))

然后，看起来您可以直接写出公式

gmedian = df.loc[m, 'lb'] + ((df['𝑓𝑖'].sum()/2 - df.loc[m - 1, 'Cumulative 𝑓𝑖'])/(df.loc[m, '𝑓𝑖']))*(df['ub'] - df['lb']).loc[m]

输出

29.0625

Answer 2

您可以重新创建包含相同统计信息的人工数据点的列表，并在其中运行mean_grouped：

# Obtaining lower, upper and middle interval value
df['lower'] = df['Class Interval'].str.slice(0,5).astype(float)
df['upper'] = df['Class Interval'].str.slice(6,11).astype(float)
df['middle'] = (df['lower'] + df['upper'] ) / 2

# Generating an artificial list of values with that statistical info
artificial_data_list = []
for index, row in df.iterrows():
  artificial_data_list.append([row['middle']]*row['𝑓𝑖'])
flat_list = [item for sublist in artificial_data_list for item in sublist]

# The right median
median_grouped(flat_list,interval=2.5)
# => 29.0625