comment obtenir des quartiles et classer une valeur selon cette plage de quartiles

J'ai ce df:

d = pd.DataFrame({'Name':['Andres','Lars','Paul','Mike'],
  'target':['A','A','B','C'],
  'number':[10,12.3,11,6]})

Et je veux classer chaque nombre dans un quartile. je fais ceci:

(d.groupby(['Name','target','number'])['number']
.quantile([0.25,0.5,0.75,1]).unstack()
.reset_index()
.rename(columns={0.25:"1Q",0.5:"2Q",0.75:"3Q",1:"4Q"})
)

Mais comme vous pouvez le voir, les 4 quartiles sont tous égaux car le code ci-dessus calcule par ligne, donc s'il y a un 1 nombre par ligne, tous les quartiles sont égaux.

Si une course à la place :

d['number'].quantile([0.25,0.5,0.75,1])

Ensuite, j'ai les 4 quartiles que je recherche:

0.25 9.000
0.50 10.500
0.75 11.325
1.00 12.300

Ce dont j'ai besoin en sortie (montrant seulement les 2 premières lignes)

 Name target number 1Q 2Q 3Q 4Q Rank
0 Andres A 10.0 9.0 10.5 11.325 12.30 1
1 Lars A 12.3 9.0 10.5 11.325 12.30 4

vous pouvez voir que tous les quartiles ont les valeurs en tenant compte des valeurs élevées dans la numbercolonne. En plus de cela, nous avons maintenant des noms de colonne Rankqui classent le nombre en fonction de son quartile. ex. Dans la première rangée, 10 se situent dans le 1er quartile.

Solution du problème

Voici une façon de s'appuyer sur les quantiles que vous avez créés en en faisant un DataFrame et en l'intégrant joinà d. Aussi assignla colonne "Classement" utilisant la rankméthode :

out = (d.join(d['number'].quantile([0.25,0.5,0.75,1])
.set_axis([f'{i}Q' for i in range(1,5)], axis=0)
.to_frame().T
.pipe(lambda x: x.loc[x.index.repeat(len(d))])
.reset_index(drop=True))
.assign(Rank=d['number'].rank(method='dense')))

Production:

 Name target number 1Q 2Q 3Q 4Q Rank
0 Andres A 10.0 9.0 10.5 11.325 12.3 2.0
1 Lars A 12.3 9.0 10.5 11.325 12.3 4.0
2 Paul B 11.0 9.0 10.5 11.325 12.3 3.0
3 Mike C 6.0 9.0 10.5 11.325 12.3 1.0