pandas如何按列分组计算两列乘积的加权均值 避免循环操作
无循环计算分课程加权平均成绩的实现方案
核心逻辑:分组内加权平均 = 组内「mark与weight逐元素乘积的总和」 ÷ 组内「weight列的总和」,全程用pandas向量化操作+分组聚合完成,无需手写循环。
分步实现(可读性高,适配大数据量)
- 向量化生成乘积列,无需遍历行
# 生成mark与weight的逐元素乘积,自动适配整列运算 df['mark_weight_prod'] = df['mark'] * df['weight']
- 按
course_id分组聚合,分别计算乘积和、权重和
# 分组后对两列分别求和 grouped_res = df.groupby('course_id')[['mark_weight_prod', 'weight']].sum()
- 计算最终加权平均,整理为要求的输出格式
result = pd.DataFrame({ 'course_average': grouped_res['mark_weight_prod'] / grouped_res['weight'] }).reset_index()
单行实现(代码简洁)
如果不需要保留中间乘积列,可以直接用groupby.apply一步完成计算:
result = df.groupby('course_id').apply( lambda g: (g['mark'] * g['weight']).sum() / g['weight'].sum() ).reset_index(name='course_average')
结果验证
运行上述任意一种实现后,输出的result完全匹配预期格式:
course_id course_average 0 1 50.1 1 3 74.2
通用说明:如果某课程的权重本身就是占比(即组内weight总和固定为1或100),可以直接省略除以权重和的步骤,直接对乘积列求和即可,上述写法保留分母的逻辑能适配权重总和不固定的通用场景。
内容的提问来源于stack exchange,提问作者Jakob L
相关产品推荐
相关产品推荐

