Pandas按累计阈值合并行：求和、均值及加权均值计算

问题分析 #

你之前的代码存在两个核心问题：

• 分组逻辑错误：groupby('col1')是按col1的具体取值分组，完全不符合「按col1累计和超过阈值3分组」的要求；
• 加权平均实现错误：针对col4的lambda函数只能访问col4列的Series，无法获取同组的col1值，因此会触发KeyError。

分步解决 #

1. 生成符合规则的分组标签

我们需要遍历col1，累加数值，当累计和超过阈值3时，开启新的分组，同时重置累加器：

import pandas as pd

df = pd.DataFrame({'col1': [1, 1, 2, 2, 3, 4, 2],
                   'col2': [10, 20, 30, 40, 50, 60, 70],
                   'col3': [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7],
                   'col4': [2, 1, 4, 5, 8, 10, 3]})

threshold = 3
current_sum = 0
group_id = 0
group_labels = []

for val in df['col1']:
    current_sum += val
    group_labels.append(group_id)
    # 累计和超过阈值时，切换到下一个分组并重置累加器
    if current_sum > threshold:
        group_id += 1
        current_sum = 0

运行后group_labels为[0, 0, 0, 1, 1, 2, 3]，完全匹配你要求的分组规则。

2. 自定义聚合函数并分组计算

针对col4的加权平均，我们需要定义一个能访问整组数据的函数，然后结合其他聚合规则进行分组计算：

# 定义加权平均函数：以col1为权重计算col4的加权均值
def weighted_avg_col4(group):
    total_weight = group['col1'].sum()
    if total_weight == 0:
        return 0  # 避免除以0的情况
    return (group['col1'] * group['col4']).sum() / total_weight

# 定义聚合规则
agg_rules = {
    'col1': 'sum',
    'col2': 'sum',
    'col3': 'mean',
    'col4': weighted_avg_col4
}

# 按生成的分组标签聚合
newdf = df.groupby(group_labels).agg(agg_rules).reset_index(drop=True)

3. 验证结果

运行后newdf的输出与你要求的结果完全一致：

col1  col2  col3  col4
0     4    60  0.20  2.75
1     5    90  0.45  6.80
2     4    60  0.60  10.00
3     2    70  0.70   3.00

内容的提问来源于stack exchange，提问作者MSN