基于分组条件计算加权平均收益率（面板数据场景）

核心处理逻辑 #

• 先过滤掉RET、MV、RANK_LAG任意字段含NA的行
• 按DATE和RANK_LAG分组，计算每组内以MV为权重的加权平均收益率
• 调整列名并格式化结果保留三位小数

R 实现代码（基于dplyr） #

library(dplyr)

# 处理数据并计算加权平均
result <- df %>%
  # 移除含NA的行
  filter(!is.na(RET), !is.na(MV), !is.na(RANK_LAG)) %>%
  # 按日期和排名分组
  group_by(DATE, RANK_LAG) %>%
  # 计算市值加权平均收益率
  summarise(WEIGHTED_RET = weighted.mean(RET, w = MV), .groups = "drop") %>%
  # 重命名列匹配期望输出
  rename(RANK = RANK_LAG) %>%
  # 保留三位小数
  mutate(WEIGHTED_RET = round(WEIGHTED_RET, 3))

# 输出结果
print(result)

Python 实现代码（基于Pandas） #

import pandas as pd

# 过滤含NA的行
filtered_df = df.dropna(subset=['RET', 'MV', 'RANK_LAG'])

# 定义加权平均计算函数
def calculate_weighted_ret(group):
    total_mv = group['MV'].sum()
    weighted_sum = (group['RET'] * group['MV']).sum()
    return weighted_sum / total_mv

# 分组计算并整理结果
result = filtered_df.groupby(['DATE', 'RANK_LAG']).apply(calculate_weighted_ret).reset_index(name='WEIGHTED_RET')
result = result.rename(columns={'RANK_LAG': 'RANK'})
result['WEIGHTED_RET'] = result['WEIGHTED_RET'].round(3)

# 输出结果
print(result)

示例数据验证结果 #

运行上述代码后，会得到与你期望完全一致的输出：

内容的提问来源于stack exchange，提问作者datgoaltho