Python 通过GroupBy.agg和命名聚合计算加权平均值

熊猫版本0.25支持通过函数

agg

和

namedtuples

进行“命名聚合”。您需要按说明传递列、聚合器对。它还说：

如果聚合函数需要其他参数，请使用functools.partial（）部分应用它们

我想应用这个原理得到一个加权平均值（除了一个简单的计数和平均值）。 我的输入表是

将熊猫作为pd导入
t=pd.DataFrame（{'bucket'：['a'，'a'，'b'，'b']，'weight'：[2,3,1,4,3]，
“数量”：[100500200800700]}）

我的查询失败：

导入工具
将numpy作为np导入
t、 groupby（'bucket'）.agg(
NR=（‘桶’、‘计数’），
平均数量=（‘数量’，np.平均值），
W_AVG_QTY=（'QTY'，functools.partial（np.average，weights='weight'））
)

将显示一条错误消息：

TypeError：当a的形状和权重不同时，需要1D权重。

---

我假设问题来自于将参数固定为另一列而不是常量？如果没有使用

apply

的变通方法和返回

系列的lambda表达式，我如何才能实现这一点
 加权平均需要两个独立的序列（即数据帧）。因此，
GroupBy.apply
是正确的聚合方法。使用
pd.concat
加入结果

pd.concat([t.groupby('bucket').agg(NR = ('bucket', 'count'),
                                   AVG_QTY = ('qty', np.mean)),
           (t.groupby('bucket').apply(lambda gp: np.average(gp.qty, weights=gp.weight))
             .rename('W_AVG_QTY'))], 
          axis=1)

#        NR     AVG_QTY  W_AVG_QTY
#bucket                           
#a        2  300.000000      340.0
#b        3  566.666667      687.5


假设您的数据帧有一个唯一的索引，则可以使用
agg
执行，尽管我不能保证在所有切片的情况下，它的性能会非常好。我们创建自己的函数来接受一系列值和整个数据帧。然后，该函数使用序列对数据帧进行子集设置，以获得每组的权重

def my_w_avg(s, df, wcol):
    return np.average(s, weights=df.loc[s.index, wcol])

t.groupby('bucket').agg(
        NR= ('bucket', 'count'),
        AVG_QTY= ('qty', np.mean),
        W_AVG_QTY= ('qty', functools.partial(my_w_avg, df=t, wcol='weight'))
   )

#        NR     AVG_QTY  W_AVG_QTY
#bucket                           
#a        2  300.000000      340.0
#b        3  566.666667      687.5

IIUC，您需要将
组['weight']
传递到
np.average
，而不是字符串。具体如何传递？你能提供准确的语法吗？问题是
GroupBy.agg
作用于单个列，但是加权平均需要两个单独的列；一个用于值，另一个用于权重。在这种情况下，需要使用
GroupBy.apply
，因为您可以传递数据帧。谢谢！我同意，这个解决方案很好地证明了您可以将
functools.partial
与GroupBy.agg一起使用来计算加权平均值，它还表明您不应该这样做；）