如何按日期分组计算DataFrame加权平均值并存入新数据集

按日维度计算Population加权的QTY平均值，核心计算逻辑为：单日加权平均QTY = 当日所有QTY * Population的乘积和 / 当日Population总和。
推荐使用向量化分组聚合实现，性能远高于逐组遍历的写法，代码如下：

# 计算每日加权平均QTY
df_avg = (
    # 先构造单条数据的加权项
    df.assign(qty_weighted = df["QTY"] * df["Population"])
    # 按日期分组聚合
    .groupby("Date", as_index=False)
    .agg(
        total_weighted = ("qty_weighted", "sum"),
        total_pop = ("Population", "sum")
    )
    # 计算最终加权值，并重命名为要求的字段名
    .assign(**{"WEIGHTED QTY": lambda x: x["total_weighted"] / x["total_pop"]})
    # 只保留需要的两个字段
    [["Date", "WEIGHTED QTY"]]
)

结果校验 #

用给出的样本数据计算，得到的结果为：

注意事项 #

• 如果数据集存在Population为0的记录，建议在分组前增加过滤逻辑.query("Population > 0")，避免触发除零错误
• 该写法为纯向量化运算，在百万级以上数据量场景下的计算速度明显优于groupby.apply自定义函数的实现方式

内容的提问来源于stack exchange，提问作者RafaelP