pandas DataFrame中按日期（在索引中）的加权平均分组（每列不同的操作）

Posted 2023-03-22

【中文标题】pandas DataFrame中按日期（在索引中）的加权平均分组（每列不同的操作）

【英文标题】：Weighted average grouping by date (in index) in pandas DataFrame (different operations per column)

【发布时间】：2021-05-17 14:58:15

【问题描述】：

我有一个每天有几行的数据框，一个“质量”列和一个“%”值，需要根据质量作为加权平均值来考虑；和质量列总和...创建一个包含所有值的新数据框。

d = 'date': [1, 1, 1, 2, 2], 'mass': [3, 40, 10, 12, 15], '%': [0.4, 0.7, 0.9, 0.1, 0.2]
df = pd.DataFrame(data=d)
df.set_index('date')

我需要这样的输出：

date(index) | mass | %
1           |  53  | 0.72
2           |  27  | 0.46

按加权平均值计算“%”：

0.72 = ((0.4 * 3) + (0.7 * 40) + (0.9 * 10))/(3 + 40 +10)

而且每天的质量总和。

【参考方案1】：

将 2 列相乘，然后 groupby 与聚合，然后相除：

#df = df.set_index('date')
out = df.assign(k=df['mass'].mul(df['%']))[['mass','k']].sum(level=0)

out['%'] = out.pop('k').div(out['mass'])

---

print(out)

      mass         %
date                
1       53  0.720755
2       27  0.155556  #<- Note that ((12*.1)+(15*.2))/(15+12) != 0.46