python - df 多列的加权平均聚合

Question

我正在尝试计算数据框中多列的加权平均值。这是我的数据样本

团体	年	月	重量（公斤）	氮	钙
一个	2020	01	10000	10	70
一个	2020	01	15000	4	78
一个	2021	05	12000	5	66
一个	2021	05	10000	8	54
乙	2021	08	14000	10	90
C	2021	08	50000	20	92
C	2021	08	40000	10	95

我想要的结果看起来像这样：

我尝试过的：我可以使用此函数获得单个列的正确加权平均值：（类似于：链接）

def wavg(df, value, weight):
    d = df[value]
    w = df[weight]
    try:
        return (d * w).sum() / w.sum()
    except ZeroDivisionError:
        return d.mean()

我可以将此函数应用于我的 df 的单个列：

df2 = df.groupby(["Group", "year", "month"]).apply(wavg, "Calcium", "Weight(kg").to_frame()

（不要介意不同的值，它们对我笔记本中的数据是正确的）

明显的问题是这个函数只适用于一列，而我有几十列。因此，我尝试了一个 for 循环：

column_list=[]
for column in df.columns:
  column_list.append(df.groupby(["Group", "year", "month"]).apply(wavg, column, "Weight(kg").to_frame())

它正确地计算了值，但列被放置在彼此的顶部，而不是彼此相邻。他们还错过了一个有用的列名：

如何调整我的代码以返回所需的 df？

标签： pythonpandasaggregateweighted-average

Answer 1

用于通过多列工作并避免删除用于分组的列的更改功能正在转换为MultiIndex：

def wavg(x, value, weight):
    d = x[value]
    w = x[weight]
    try:
        return (d.mul(w, axis=0)).div(w.sum())
    except ZeroDivisionError:
        return d.mean()

#columns used for groupby
groups = ["Group", "Year", "Month"]
#processing all another columns
cols = df.columns.difference(groups + ["Weight(kg)"], sort=False)

#create index and processing all columns by variable cols
df1 = (df.set_index(groups)
         .groupby(level=groups)
         .apply(wavg, cols, "Weight(kg)")
         .reset_index())
print (df2)
  Group  Year  Month    Calcium   Nitrogen
0     A  2020      1  28.000000   4.000000
1     A  2020      1  46.800000   2.400000
2     A  2021      5  36.000000   2.727273
3     A  2021      5  24.545455   3.636364
4     B  2021      8  90.000000  10.000000
5     C  2021      8  51.111111  11.111111
6     C  2021      8  42.222222   4.444444