Pandas 分组加权平均和加权求和

在本文中，我们将介绍如何使用Pandas进行分组计算加权平均值和加权求和。

加权平均值

加权平均值是指在计算平均数时，每个数据所占的权重不同。在Pandas中，我们可以使用groupby和apply方法来计算各组的加权平均值。下面是一个示例：

import pandas as pd

df = pd.DataFrame({'group':['A', 'A', 'B', 'B'], 'value':[1, 2, 3, 4], 'weight':[2, 3, 4, 5]})
print(df)

  group  value  weight
0     A      1       2
1     A      2       3
2     B      3       4
3     B      4       5

weighted_mean = lambda x: (x['value'] * x['weight']).sum() / x['weight'].sum()
result = df.groupby('group').apply(weighted_mean)
print(result)

group
A    1.666667
B    3.615385
dtype: float64

在上面的示例中，我们先定义了一个名为weighted_mean的lambda函数，该函数计算加权平均值。然后，我们使用groupby方法按组分组，并将“weighted_mean”应用于每个组。最终的结果是一个Series对象，其中包含各组的加权平均值。

加权求和

加权求和类似于加权平均值，但是我们需要计算每个组的加权总和。在Pandas中，我们可以使用相同的方法来计算加权求和。下面是一个示例：

import pandas as pd

df = pd.DataFrame({'group':['A', 'A', 'B', 'B'], 'value':[1, 2, 3, 4], 'weight':[2, 3, 4, 5]})
print(df)

  group  value  weight
0     A      1       2
1     A      2       3
2     B      3       4
3     B      4       5

weighted_sum = lambda x: (x['value'] * x['weight']).sum()
result = df.groupby('group').apply(weighted_sum)
print(result)

group
A    11
B    32
dtype: int64

在上面的示例中，我们定义了一个名为weighted_sum的lambda函数，该函数计算加权总和。然后，我们使用groupby方法按组分组，并将“weighted_sum”应用于每个组。最终的结果是一个Series对象，其中包含各组的加权总和。