Python 熊猫：计算亚组内的百分位数？

我有一个熊猫数据框，看起来像这样：

 school_id  uni_id  points
 123        44      180
 123        45      160
 123        45      160
 123        48      110
 124        44      180
 124        45      160
 124        47      130
 123        48      120

 school_id  uni_id  points  percentile
 123        44      180     100
 123        45      160     50
 123        45      160     50
 123        48      110     0
 124        44      180     100
 124        45      160     66
 124        47      130     33
 123        48      120     0

生成如下，以帮助善意的回答者：

df = pd.DataFrame({ 
    'school_id': [123, 123, 123, 123, 124, 124, 124, 124], 
    'school_id': [44, 45, 45, 48, 44, 45, 47, 48], 
    'points': [180, 160, 160, 110, 180, 160, 130, 120]
})

我想添加一个百分比列，它表示每个学校的

分数的百分比。因此，该数据集如下所示：

 school_id  uni_id  points
 123        44      180
 123        45      160
 123        45      160
 123        48      110
 124        44      180
 124        45      160
 124        47      130
 123        48      120

 school_id  uni_id  points  percentile
 123        44      180     100
 123        45      160     50
 123        45      160     50
 123        48      110     0
 124        44      180     100
 124        45      160     66
 124        47      130     33
 123        48      120     0

最好的方法是什么？我假设我需要按
school\u id
进行分组，然后在每个子组中以某种方式执行
df.quantile（）
，然后取消分组

更新：也许我需要从以下内容开始
df.groupby（'school_id'）['points'].rank（升序=False）
然后将排名除以每个组的长度，使其在0到100之间正常化？
在计算按
“school_id”
分组的子组之间的数字数据排名时，您可以指定
pct=True
，作为方法：


要检查（例如）：

您希望在这里做几件事


你希望你的排名是密集的
您希望最低值为零，最高值为100。我称之为包容性排名

我创建了一个单独的函数来应用

def dense_inclusive_pct(x):
    # I subtract one to handle the inclusive bit
    r = x.rank(method='dense') - 1
    return r / r.max() * 100

df.assign(pct=df.groupby('school_id').points.apply(dense_inclusive_pct).astype(int))

   points  school_id  uni_id  pct
0     180        123      44  100
1     160        123      45   50
2     160        123      45   50
3     110        123      48    0
4     180        124      44  100
5     160        124      45   66
6     130        124      47   33
7     120        124      48    0

看看@piRSquared的答案，他似乎已经正确地理解了你的想法，并提出了一个与你期望的o/p相匹配的解决方案。如果这真的是你想要做的，那么你应该接受他的回答，也可能会投上一票。但下一次要非常具体（包括粗略的计算），因为你在这里提出的问题可以用很多方式来解释。