多列加权平均计算报错：TypeError: unhashable type: 'list'

数据表格 #

需求 #

计算上述表格中每一列的加权平均，权重列为charge。例如(0.0, 1.0)列的加权平均应为357.54。

错误代码及信息 #

代码 #

def weighted(x, cols, w="weights"):
    return pd.Series(np.average(x[cols], weights=x[w], axis=0), cols)

FIN_A_PIV_Table.apply(weighted, ['(0.0, 1.0)','(0.0, 2.0)','(0.0, 3.0)']) 

错误信息 #

File Q:\VDI\Python Source\Provider_Coder_Updated_v_Spyder.py:372 in <module>
    FIN_A_PIV_Table.apply(weighted, ['(0.0, 1.0)','(0.0, 2.0)','(0.0, 3.0)'])

File C:\Research\lib\site-packages\pandas\core\frame.py:8839 in apply
    op = frame_apply(

File C:\Research\lib\site-packages\pandas\core\apply.py:88 in frame_apply
    axis = obj._get_axis_number(axis)

File C:\Research\lib\site-packages\pandas\core\generic.py:550 in _get_axis_number
    return cls._AXIS_TO_AXIS_NUMBER[axis]

TypeError: unhashable type: 'list'

错误原因 #

DataFrame.apply()的第二个参数默认是axis（取值为0/1或'index'/'columns'），你直接传入列名列表，pandas会把这个列表当作axis参数解析，而列表是不可哈希类型，无法匹配_AXIS_TO_AXIS_NUMBER字典的键，因此触发错误。

解决方案 #

1. 正确传递自定义参数 #

使用apply()的args参数传递列名列表，注意args需要是元组类型：

FIN_A_PIV_Table.apply(weighted, args=(['(0.0, 1.0)','(0.0, 2.0)','(0.0, 3.0)'],))

2. 修正函数中的权重列参数与空值处理 #

原函数中w="weights"与实际权重列charge不符，需修改默认值，同时过滤空值避免np.average报错：

import pandas as pd
import numpy as np

def weighted(x, cols, w="charge"):
    # 过滤权重列和目标列均不为空的行
    mask = x[w].notna()
    for col in cols:
        mask &= x[col].notna()
    filtered_data = x[mask]
    # 计算加权平均
    avg_values = np.average(filtered_data[cols], weights=filtered_data[w], axis=0)
    return pd.Series(avg_values, index=cols)

# 调用函数
result = FIN_A_PIV_Table.apply(weighted, args=(['(0.0, 1.0)','(0.0, 2.0)','(0.0, 3.0)'],))
print(result)

验证结果 #

(0.0, 1.0)列的计算：
有效数据加权和 = 1161 + 2269 + 3432 + 50310 = 7866
权重总和 = 1+9+2+10 = 22
加权平均 = 7866/22 ≈ 357.54，符合预期。

内容的提问来源于stack exchange，提问作者Raven