计算具有独特条件的熊猫的加权平均值答案

【问题标题】：Calculate weighted average in pandas with unique condition计算具有独特条件的熊猫的加权平均值
【发布时间】：2019-01-23 20:09:29
【问题描述】：

我正在尝试计算以下数据框中每个区域的“价格”列的加权平均值，而不考虑小时数。我想基本上将匹配 A 的数量相加，将每个单独的数量行除以该数量（以获得权重），然后将其乘以价格。

大约有 200 个区域，我很难写出一般会检测到区域匹配的东西，而不必写 df['ZONE'] = 'A' 等。请帮助我迷失的自我 =)

HOUR:   1,2,3,1,2,3,1,2,3

ZONE:   A,A,A,B,B,B,C,C,C

PRICE:  12,15,16,17,12,11,12,13,15

QUANTITY: 5,6,1 5,7,9 6,3,2

我不确定你是否可以一般地写一些东西，但我想如果我写一个函数，其中 x 是我的“区域”，创建一个包含可能区域的列表，然后创建一个 for 循环。这是我写的函数，并没有真正起作用 - 试图弄清楚我还能如何使它起作用

def wavgp(x):
    df.loc[df['ZONE'].isin([str(x)])] = x

【问题讨论】：

【解决方案1】：

这是使用groupby 操作的可能解决方案：

weighted_price = df.groupby('ZONE').apply(lambda x: (x['PRICE'] * x['QUANTITY']).sum()/x['QUANTITY'].sum())

首先我们按区域分组，对于每个区块（同一个区域），我们将价格乘以数量并将这些值相加。我们将此结果除以数量之和即可得到您想要的结果。

ZONE
A    13.833333
B    12.761905
C    12.818182
dtype: float64

【讨论】：