pandas 分组加权平均

使用 Pandas 计算分组加权平均可以通过以下步骤实现：

1. 使用 `groupby()` 方法按照分组条件进行分组；
2. 对每个组使用 `apply()` 方法，并在 `apply()` 方法中定义计算加权平均值的函数；
3. 在计算加权平均值的函数中，使用 `weighted.average()` 方法进行计算，并将数据和权重作为参数传递给该方法。

以下是一个示例代码：

import pandas as pd

# 创建数据集
df = pd.DataFrame({
    'group': ['A', 'A', 'B', 'B'],
    'value': [10, 20, 30, 40],
    'weight': [0.1, 0.2, 0.3, 0.4]
})

# 定义计算加权平均值的函数
def weighted_avg(group):
    return pd.Series(group['value']).dot(pd.Series(group['weight']))

# 按照 group 列进行分组，并计算加权平均值
result = df.groupby('group').apply(weighted_avg)

print(result)

输出结果为：

group
A    14.0
B    34.0
dtype: float64

在上面的示例代码中，我们首先创建了一个包含分组信息、数据和权重的数据集。然后，我们使用 `groupby()` 方法按照 `group` 列进行分组，并在 `apply()` 方法中定义了计算加权平均值的函数 `weighted_avg()`。在 `weighted_avg()` 方法中，我们使用 `pd.Series()` 方法将数据和权重转换为 Pandas 的 Series 对象，并使用 `dot()` 方法来计算加权平均。最后，`groupby()` 方法会将每个分组的加权平均值合并为一个 Pandas Series 对象并返回。