如何使用pandas计算企业按日期维度的累计加权平均评分

原有代码问题 #

1. 第一份代码报错原因：调用groupby()后得到的是SeriesGroupBy分组对象，未执行聚合操作就直接进行算术运算，类型不匹配触发TypeError。
2. 第二份代码结果异常原因：分组维度错误，按['firm','date']分组后每个分组仅包含单家企业单日的数据，cumsum()无法跨日期累计，因此得不到全周期的累计平均结果。

完整实现代码 #

步骤1：预处理得到企业单日聚合指标 #

首先基于原始数据按企业、日期分组，计算单日平均评分和当日评论量，同时确保日期排序正确：

import pandas as pd

# 假设原始数据集为raw_df，包含firm、date、reviewer、rate四个字段
# 先将日期字段转为datetime类型，保证排序逻辑正确
raw_df['date'] = pd.to_datetime(raw_df['date'])

# 按企业+日期分组聚合
daily_stats = raw_df.groupby(['firm', 'date'], as_index=False).agg(
    daily_avg = ('rate', 'mean'),
    daily_cnt = ('rate', 'count')
)

# 按企业、日期升序排序，确保累计顺序符合时间逻辑
daily_stats = daily_stats.sort_values(['firm', 'date']).reset_index(drop=True)

步骤2：计算单企业累计平均评分 #

仅按企业维度分组，用加权累计逻辑计算累计平均：

# 加权累计平均 = （单日平均*单日评论数）累计和 / 评论数累计和
daily_stats['cum_avg_rate'] = (
    (daily_stats['daily_avg'] * daily_stats['daily_cnt']).groupby(daily_stats['firm']).cumsum()
    / daily_stats['daily_cnt'].groupby(daily_stats['firm']).cumsum()
)

逻辑说明 #

累计平均不能直接对单日平均评分做简单累计求平均，因为不同日期的评论量权重不同，必须用加权累计的逻辑计算，才能得到准确的全周期累计平均结果。

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