Pandas如何按月份分组计算正确的月度加权平均值

现有实现的核心问题 #

需要在DataFrame中新增列存储月度加权平均值，此前尝试的方案存在两处逻辑错误：

• 分组维度错误：未按月份维度聚合，直接按具体单日日期分组
• 权重计算错误：加权平均分母误用全量Amount列总和，未使用对应月份分组内的Amount总和

校验示例：2021年3月仅存在1条数据，正确加权平均结果应为10（权重分母为当月Amount总和110），使用全量Amount总和作为分母的实现会输出偏差结果。

测试数据集共包含4个字段：

• Date：日期字段
• Column 1：待计算加权均值的数值列
• Amount：权重列
• (Expected Output) Monthly WA：预期月度加权平均结果，其中2021年1月所有行预期值为16.78，2021年2月所有行预期值为20.09，2021年3月行预期值为10。

原有错误代码 #

def weight_avg(df, value, weights):
    x = df[value]  
    y = df[weights]  
    return (x*y).sum()/y.sum() 

df.groupby(df['Date']).apply(weight_avg, 'Column 1', 'Amount')

该代码除上述两个核心逻辑错误外，还未将聚合计算结果映射回原表对应行，无法直接生成符合要求的新列。

正确实现代码 #

import pandas as pd

# 若Date列不是datetime格式，先执行格式转换，已转换可跳过
df['Date'] = pd.to_datetime(df['Date'])

# 按年月分组计算加权平均，并映射回原表生成新列
month_groups = df.groupby(df['Date'].dt.to_period('M'))
monthly_wa = month_groups.apply(lambda x: (x['Column 1'] * x['Amount']).sum() / x['Amount'].sum())
df['Monthly WA'] = df['Date'].dt.to_period('M').map(monthly_wa).round(2)

实现逻辑说明 #

• 分组键使用dt.to_period('M')提取年月维度，替代原代码中直接使用单日日期分组的逻辑，保证聚合维度符合月度统计要求
• 加权平均计算完全在月度分组内完成：分子为分组内Column 1与Amount的乘积和，分母为分组内Amount总和，避免了全量数据求和导致的权重偏差
• 计算得到各月加权均值后，通过map方法将结果匹配到原表每一行，最终生成的Monthly WA列和预期结果完全一致：2021年1月值为16.78、2月值为20.09、3月值为10。

内容的提问来源于stack exchange，提问作者ross jim