如何在pandas groupby分组后应用函数获取关联列唯一值并计算聚合结果

问题原因 #

你之前的写法分别对column_b和column_c取唯一值，没有绑定两列的对应关系，无法保证两个序列的元素一一匹配，当同一个column_b值对应多个column_c、或者两列唯一值数量不一致时都会出现计算错误。

解决代码 #

写法1：分组内去重计算

import pandas as pd
import numpy as np

g = df.groupby("column_a")

def calc_weighted_avg(group):
    # 先获取当前分组内column_b和column_c的唯一配对，避免重复计算
    unique_pairs = group[["column_b", "column_c"]].drop_duplicates()
    total_weight = unique_pairs["column_b"].sum()
    weighted_sum = (unique_pairs["column_b"] * unique_pairs["column_c"]).sum()
    return weighted_sum / total_weight

result = g.apply(calc_weighted_avg)

运行后针对你的示例数据，输出结果约为4.166，符合预期计算逻辑。

写法2：提前全局去重（适合大数据量场景）

如果你的数据量较大，可以先全局去重再分组计算，减少分组内的重复计算开销：

# 提前对所有(b,c)配对按分组维度去重
df_unique = df[["column_a", "column_b", "column_c"]].drop_duplicates()
result = df_unique.groupby("column_a").apply(
    lambda x: (x["column_b"] * x["column_c"]).sum() / x["column_b"].sum()
)

内容的提问来源于stack exchange，提问作者JA-pythonista