Python pandas groupby聚合时如何计算加权中位数并聚合多列

原有代码无法运行有3个直接问题：

• 在groupby().agg()的字典传参规则中，针对单个列传入的聚合函数，仅能接收到当前列的分组切片，无法直接读取同组下其他列的数据，直接引用TotalCost无法获取分组内对应的权重值。
• wquantiles库的加权中位数接口调用错误，该库的加权中位数方法为顶级方法wquantiles.median()，不存在weighted.median的调用路径。
• 未正确导入对应方法，直接调用weighted.median会触发名称未定义错误。

方案1：基于wquantiles库实现 #

import pandas as pd
import wquantiles

# 构造测试数据
data={'Date':['2022-03-01','2022-03-01','2022-03-01','2022-03-01', '2022-04-01', '2022-04-01', '2022-04-01'],'Item':['AB','AB','AB','AC', 'AB', 'AC', 'AC'],'BetterPrice':[0,0,1,1, 1, 1, 0],'TotalCost':[200,200,300,400, 400, 100, 50],'Location':[3,2,3,2,1,3, 1]}
df=pd.DataFrame(data)

# 分组聚合逻辑
def group_agg_calc(group):
    return pd.Series({
        'BetterPrice_sum': group['BetterPrice'].sum(),
        'Location_weighted_median': wquantiles.median(group['Location'], weights=group['TotalCost'])
    })

df_result = df.groupby(['Date', 'Item']).apply(group_agg_calc).reset_index()

运行后得到的结果如下：

方案2：无第三方依赖自实现 #

如果不想安装wquantiles库，可以自己实现加权中位数逻辑，计算结果和库方法一致：

def weighted_median(values, weights):
    # 按计算值升序配对排序
    sorted_val_weights = sorted(zip(values, weights), key=lambda x: x[0])
    total_weight = sum(weights)
    cum_weight = 0
    half_weight = total_weight / 2
    for val, w in sorted_val_weights:
        cum_weight += w
        if cum_weight >= half_weight:
            return val

# 替换聚合函数即可
def group_agg_calc(group):
    return pd.Series({
        'BetterPrice_sum': group['BetterPrice'].sum(),
        'Location_weighted_median': weighted_median(group['Location'], weights=group['TotalCost'])
    })

df_result = df.groupby(['Date', 'Item']).apply(group_agg_calc).reset_index()

如果一定要用agg方法实现，本质上还是需要解决跨列取权重的问题，写法会比apply冗余很多，可读性差，没有特殊要求的话优先用apply处理跨列分组聚合场景即可。

内容的提问来源于stack exchange，提问作者rightleftdownup313