如何对时间序列按分桶分组计算加权平均，现有代码返回空如何解决

你的代码存在4个核心错误导致输出为空、计算结果异常：

• 自定义agg_func函数没有return分组聚合后的结果，apply执行后没有返回值，最终生成空DataFrame
• 时间戳解析错误：ts_ms是毫秒级时间戳，pd.to_datetime默认按纳秒解析，生成的时间完全错误，导致时间桶分组失效
• 加权平均逻辑错误：lambda中调用全局df.flow.sum()，计算的是全数据集的flow总和，不是当前分组内的flow总和，加权结果完全错误
• 列名不匹配：示例数据的列名末尾带.（如a./latency.），代码中如果直接写a/latency会找不到列，触发隐式错误

不需要嵌套两次groupby，直接同时按5分钟时间桶+a/b/c字段分组即可，逻辑更清晰性能更高，修正后代码如下：

import pandas as pd

# 定义分组内加权平均函数
def duration_weighted_avg(x):
    # 取当前分组内的flow列
    group_flow = df.loc[x.index, "flow"]
    return (x * group_flow).sum() / group_flow.sum()

# 1. 正确解析毫秒级时间戳
df['ts_date'] = pd.to_datetime(df['ts_ms'], unit='ms')
df.set_index('ts_date', inplace=True)

# 2. 同时按时间桶、a/b/c字段分组聚合
# 注意：如果你的实际列名带`.`后缀，将下方列名替换为`a.`/`b.`/`c.`/`latency.`即可
df1 = df.groupby([pd.Grouper(freq='5min'), 'a', 'b', 'c']).agg(
    latency_sum=("latency", "sum"),
    duration_weighted=("duration", duration_weighted_avg)
# 3. 重置索引，将分组键转为普通列，符合你需要的输出结构
).reset_index()

执行后df1就会包含你期望的所有字段，to_dict('records')也能正常输出结果。

内容的提问来源于stack exchange，提问作者nad