多数据框的元素级加权平均实现方法问询

嘿，这个问题我之前刚好处理过，给你个简洁又通用的解决方案！

你提到的场景很典型：已经知道怎么用sum(list_of_dfs)/len(list_of_dfs)求普通元素级平均，但现在要换成加权版本，而且数据框数量太多，没法手动逐个写df*权重再相加。

核心解法：配对权重与数据框后求和 #

你可以用zip()把数据框列表和权重数组一一配对，然后通过生成器表达式逐个计算数据框*对应权重，最后把所有结果加起来就行，不管数据框有多少个都适用：

import pandas as pd
import numpy as np

# 示例数据（替换成你自己的DataFrame列表即可）
df1 = pd.DataFrame([[1, 2], [3, 4]])
df2 = pd.DataFrame([[5, 6], [7, 8]])
df3 = pd.DataFrame([[9, 10], [11, 12]])
list_of_dfs = [df1, df2, df3]

# 你的权重数组
W = np.array([0.2, 0.3, 0.5])

# 计算元素级加权平均
weighted_avg_df = sum(df * w for df, w in zip(list_of_dfs, W))

原理说明 #

• zip(list_of_dfs, W)会把每个DataFrame和对应的权重精准配对，比如第一个配对是(df1, 0.2)，第二个是(df2, 0.3)，以此类推
• 生成器表达式df * w for df, w in ...会逐个算出每个数据框加权后的结果
• 最后用sum()把所有加权后的DataFrame按元素相加，就得到了最终的加权平均数据框

这个方法既简洁又高效，完全不用操心数据框的数量，不管是3个还是30个都能轻松处理～

备注：内容来源于stack exchange，提问作者younggotti