Python 如何在熊猫中每2行进行加权平均？

我的数据如下所示：

...
                     A         B      C
2017-09-18 12:00:00  1.000010  18000  100
2017-09-18 17:00:00  1.000029  13500  400
2017-09-19 12:00:00  1.000025  18000  300
2017-09-19 17:00:00  1.000037  13500  300

...

在同一天的两个不同时间采取措施A、B和C

我需要每2个度量值/天折叠成一行（例如，前2行）：

• a列和B列的加权平均数

  （（A1*B1）+（A2*B2））/（B1+B2）

• 列C的平均值

  （C1+C2）/2

我的困难在于尝试

df.groupby

这些相邻行，因为它们有不同的时间，并且需要对列a和B执行自定义操作，这与C不同

我的预期产出是：

                     A            C
2017-09-18 12:00:00  1.000018143  250
2017-09-19 12:00:00  1.000030143  300

如有任何提示，我们将不胜感激。

请咨询

df.groupby(df.index.date).apply(lambda x : pd.Series({'A':sum(x['A']*x['B'])/sum(x['B']),'C':(x['C']).mean()}))
                   A      C
2017-09-18  1.000018  250.0
2017-09-19  1.000030  300.0

或者让我们不要使用apply

t1=df.eval('A*B').groupby(df.index.date).sum()/df.groupby(df.index.date).B.sum()
t2=df.groupby(df.index.date).C.mean()

pd.concat([t1,t2],1)
                   0    C
2017-09-18  1.000018  250
2017-09-19  1.000030  300

---

您可以使用

groupby

、

apply

和

mean

将其矢量化：

def AB_weighted(g):
   return (g['A'] * g['B']).sum() / g['B'].sum()

g = df.groupby(df.index.date)
pd.concat([g.apply(AB_weighted), g['C'].mean()], keys=['A', 'C'], axis=1)

                   A    C
2017-09-18  1.000018  250
2017-09-19  1.000030  300

• 对于第一个条件，我们需要

  apply

  ，因为groupby计算使用多个列-“A”和“B”
• 为了计算“C”的平均值，只需要“C”，因此我们可以使用

  mean（）

  缩短时间

---

另一个选项是在

groupby

之前计算乘积，因此我们可以绕过调用

apply

（这有点像@W-B第二个答案），但只需调用一个

sum

u = df.assign(D=df['A'] * df['B'])[['D', 'B']].groupby(df.index.date).sum()
u['A'] = u.pop('D') / u.pop('B')

u['C'] = df.groupby(df.index.date)['C'].mean()

u
                   A    C
2017-09-18  1.000018  250
2017-09-19  1.000030  300

---

现在我的问题是每天是否总是只有两次录音，或者是否可能有1次。谢谢你的耐心@coldspeed！是的，每天只有2排，一直如此