pandas DataFrame中按日期（在索引中）的加权平均分组

Question

我需要一些帮助来尝试根据日期时间索引和另一个“质量”列获取列的加权平均值。 例如：

d = {'date': ['2021-08-01 12:00:00', '2021-08-01 13:00:00', '2021-08-01 14:00:00', '2021-08-02 15:00:00', '2021-08-02 16:00:00', '2021-08-02 17:00:00'], 
     'mass': [23,   40,  10,  12,  15,  11], 
     '%':    [0.4, 0.7, 0.9, 0.1, 0.2, 0.8]
    }
df = pd.DataFrame(data=d)
df.set_index('date')

我需要的是每 2 小时获得一次“%”的加权平均值，作为权重列的“质量”。

我需要这样的输出：

date(index)         | mass |  %
2021-08-01 13:00:00 |  43  | 0.865
2021-08-02 15:00:00 |  22  | 0.464
2021-08-02 17:00:00 |  26  | 0.454

按加权平均计算“%”：

0.865 = ((23 x 0.4) + (40 x 0.7))/ (40 + 23)

请注意，我的索引中可能没有连续的日期时间，例如，由于缺少数据，我可能会跳过几个小时，甚至几天。在这种情况下，如果没有要计算的数据，我需要输出为 NaN。 如果只有一行数据，则假设该行是该期间的加权平均值...

周期也可能有所不同，从 2 小时到 12 个月不等...

在上一个问题上，有人已经帮我解决了这个问题：

out = df.assign(k=df['mass'].mul(df['%']))[['mass','k']].sum(level=0)
out['%'] = out.pop('k').div(out['mass'])

不过，这仅在我有重复索引时才有效，而这次不是这样。

Answer 1

尝试每 2 小时分组一次，你会更接近 -

d = {'date': ['2021-08-01 12:00:00', '2021-08-01 13:00:00', '2021-08-01 14:00:00', '2021-08-02 15:00:00', '2021-08-02 16:00:00', '2021-08-02 17:00:00'], 
     'mass': [23,   40,  10,  12,  15,  11], 
     '%':    [0.4, 0.7, 0.9, 0.1, 0.2, 0.8]
    }
df = pd.DataFrame(data=d)
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date')

df['mass_wt'] = df['mass'] * df['%']
op = df.groupby(pd.Grouper(freq='2H')).agg({'mass': 'sum', 'mass_wt': 'sum'}).query('mass > 0')
op['op'] = op['mass_wt'] / op['mass']