如何在df1的GroupBy.apply中使用df2数据计算加权平均列？

当然可以在GroupBy.apply()里调用df2的数据！其实GroupBy的apply方法完全支持访问外部变量，只要你在自定义函数里正确传递并引用它就行。不过这里有两种思路，一种是直接用你想尝试的GroupBy.apply，另一种是先预处理df2再合并，后者在数据量大时性能更优，我都给你详细说明：

方法一：直接使用GroupBy.apply调用df2 #

这种方法适合你想保留分组逻辑的场景，核心是在自定义函数中接收外部的df2，然后针对每个分组的id去df2中筛选对应数据计算加权平均。

假设df2包含value（待加权的数值列）和weight（权重列），示例代码如下：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'id': [1, 2, 2, 3, 4]})
df2 = pd.DataFrame({
    'id': [1, 2, 2, 3, 3],
    'value': [10, 20, 30, 40, 50],
    'weight': [0.3, 0.4, 0.6, 0.2, 0.8]
})

def compute_weighted_avg(group, external_df):
    # 获取当前分组的唯一id（分组后每个组的id是相同的）
    current_id = group['id'].iloc[0]
    # 从外部df中筛选对应id的数据
    filtered_data = external_df[external_df['id'] == current_id]
    
    # 处理权重和为0的边界情况，避免除以0错误
    total_weight = filtered_data['weight'].sum()
    if total_weight == 0:
        return pd.Series([0.0] * len(group))
    
    # 计算加权平均
    weighted_avg = (filtered_data['value'] * filtered_data['weight']).sum() / total_weight
    # 返回与分组行数一致的Series，确保apply后能匹配到df1的每一行
    return pd.Series([weighted_avg] * len(group))

# 给df1新增加权平均列
df1['weighted_average'] = df1.groupby('id').apply(compute_weighted_avg, external_df=df2).reset_index(drop=True)

关键注意点： #

• 自定义函数需要返回和分组行数相同的Series，这样apply的结果才能和df1的原始行一一对应
• 记得处理边界情况（比如df2中无对应id、权重和为0），避免报错

方法二：先预处理df2再合并（更高效） #

如果你的数据量较大，上面的apply方法因为每次分组都要筛选df2，效率会偏低。更优的做法是先在df2中按id计算好加权平均，再通过merge把结果合并到df1中：

# 先对df2按id预计算加权平均
df2_weighted = df2.groupby('id').apply(
    lambda x: (x['value'] * x['weight']).sum() / x['weight'].sum() if x['weight'].sum() !=0 else 0.0
).reset_index(name='weighted_average')

# 用左连接合并到df1，保留df1的所有行
df1 = df1.merge(df2_weighted, on='id', how='left')
# 处理df2中无对应id的情况（填充NaN为0或其他值）
df1['weighted_average'] = df1['weighted_average'].fillna(0.0)

这种方法的优势是只需要对df2做一次分组计算，比循环每个df1的分组要高效得多，推荐在数据量较大时使用。

内容的提问来源于stack exchange，提问作者24n8