Python 如何对熊猫中的数据帧重新采样并应用加权平均值？

我有一个按时间索引的数据框，有两列：

price

和

quantity

我想构建一个新的系列，它是15分钟间隔的加权平均价格，按数量加权

这是我的数据帧的头部：

                          price  quantity
ts                                        
2020-06-10 15:56:34+00:00  203.0       400
2020-06-10 15:57:10+00:00  203.0      1300
2020-06-10 15:57:11+00:00  203.0      1100
2020-06-10 15:57:13+00:00  203.0      3000
2020-06-10 15:57:14+00:00  203.0       700

以下是我最好的尝试：

def重采样方法（x）： 返回np.平均值（x.价格，权重=x.数量） df.重采样（“15T”）。应用（重采样法） 虽然上面的代码表达了我的意图（我相信），但我得到了以下错误：

Exception has occurred: AttributeError
'Series' object has no attribute 'price'

---

正如@Scott Boston在一篇评论中指出的，当使用

重采样

时，两列不能同时访问。一个技巧是将列数量附加到索引中，因为每个列都可以访问索引

# note I used '1T' instead of 15T like you but simple change in the method
dfr = (df.set_index('quantity', append=True)
         .resample('1T', level=0) # the datetime index is the level=0 
         .apply(lambda x: np.average(x, weights=x.index.get_level_values(1))) #quantity is on level=1
      )
print (dfr) #result not really interesting here it works
                           price
ts                              
2020-06-10 15:56:00+00:00  203.0
2020-06-10 15:57:00+00:00  203.0

---

正如@Scott Boston在一篇评论中指出的，当使用

重采样

时，两列不能同时访问。一个技巧是将列数量附加到索引中，因为每个列都可以访问索引

# note I used '1T' instead of 15T like you but simple change in the method
dfr = (df.set_index('quantity', append=True)
         .resample('1T', level=0) # the datetime index is the level=0 
         .apply(lambda x: np.average(x, weights=x.index.get_level_values(1))) #quantity is on level=1
      )
print (dfr) #result not really interesting here it works
                           price
ts                              
2020-06-10 15:56:00+00:00  203.0
2020-06-10 15:57:00+00:00  203.0

---

使用“应用”时，默认轴位于列上，因此每次应用访问每列。因此，当调用“价格”列时，“数量”列不可用。您需要做的是计算每行加权价格，然后在该加权价格列上重新采样15T。当您使用apply时，默认轴位于列上，因此apply一次访问每列。因此，当调用“价格”列时，“数量”列不可用。你需要做的是计算每行的加权价格，然后在加权价格列上重新取样15吨。