您需要通过重复每个年龄段的数量来获得加权百分位数。您可以为此创建自定义函数并将其应用于每个组：

import numpy as np

def weighted_percentile(df, p):
    arr = np.percentile(np.repeat(df['Age'], df['Quantity']), p)
    return pd.Series(arr).rename(lambda x: f'{p[x]}th Percentile (years)')

out = (df.groupby('Product', as_index=False, sort=False)
         .apply(weighted_percentile, p=[70, 90]))

输出：

>>> out
   Product  70th Percentile (years)  90th Percentile (years)
0    Alpha                      1.0                      5.0
1     Beta                      5.0                      5.0
2    Gamma                      2.0                      2.0
3    Delta                      5.0                      5.0
4  Epsilon                      2.0                      4.0

这里有一个方法：

• 重复使用np.repeat应用df.reindex，列为“数量”。
• 按列“产品”（df.groupby）对数据进行分组，选择列“年龄”，并将.quantile与您选择的百分位数相结合：[0.7, 0.9]。
• 剩下的就是得到想要的形状：在索引level 1上使用Series.unstack，并再次应用df.reindex，这次使用来自df['Product']（Series.unique）的唯一值。这将重新建立乘积值的顺序。
• 最后，链接df.rename以重命名列，链接df.rename_axis以删除索引标签。

import pandas as pd
import numpy as np

perc = [0.7,0.9]
res = (df.reindex(np.repeat(df.index, df['Quantity']))
       .groupby('Product')['Age'].quantile(perc)
       .unstack(1)
       .reindex(df['Product'].unique())
       .rename(lambda x: f"{int(x*100)}th Percentile (years)", axis=1)
       .rename_axis(None, axis=0)
       )

res

         70th Percentile (years)  90th Percentile (years)
Alpha                        1.0                      5.0
Beta                         5.0                      5.0
Gamma                        2.0                      2.0
Delta                        5.0                      5.0
Epsilon                      2.0                      4.0

如果你想要整数，链res.astype(int)。顺便说一句，你想要的输出包含一个错误。对于“Alpha”，你有70% = 0和90% = 2，但它们应该分别是1和5。