Pandas基于time_gap分组并按count加权计算average_speed的方法

你之前的代码失败的核心原因是agg方法的参数格式错误：你用了集合（{("count", sum), ("average_speed", average_speed_mean)}），但pandas要求agg接收的是字典（键为列名，值为对应聚合函数）或者关键字参数形式的聚合规则。

以下是两种可行的正确实现方式：

方式一：关键字参数命名聚合结果列（推荐） #

这种方式可以直接指定聚合后的列名，可读性更强：

import numpy as np

def average_speed_mean(x):
    try: 
        return np.average(x["average_speed"], weights=x["count"])
    except ZeroDivisionError:
        return 0

# 按time_gap分组，计算count总和与加权平均速度
result_df = df_merged.groupby("time_gap").agg(
    total_count=("count", "sum"),
    weighted_avg_speed=("average_speed", average_speed_mean)
)

方式二：字典形式指定聚合规则 #

如果希望保留原列名作为聚合后的列名，可以用字典传递参数：

import numpy as np

def average_speed_mean(x):
    try: 
        return np.average(x["average_speed"], weights=x["count"])
    except ZeroDivisionError:
        return 0

result_df = df_merged.groupby("time_gap").agg({
    "count": "sum",
    "average_speed": average_speed_mean
})

额外说明 #

由于time_gap是category类型，默认分组会保留所有类别（包括没有对应数据的类别）。如果只想保留有数据的类别，可以在groupby中添加observed=True参数：

result_df = df_merged.groupby("time_gap", observed=True).agg(
    total_count=("count", "sum"),
    weighted_avg_speed=("average_speed", average_speed_mean)
)

内容的提问来源于stack exchange，提问作者Para