如何在Pandas或NumPy中简便实现累积加权平均计算？

当然可以啦！用Pandas或者NumPy都能轻松实现你想要的加权累积平均值计算，虽然Pandas没有直接提供pd.cum_mean(value=df.val, weight=df.wt)这种现成函数，但通过简单的组合操作就能达到目的，逻辑完全贴合你的计算规则。

先明确下需求：

原始DataFrame #

目标DataFrame #

计算规则：cum_wt_avg[i] = cum_sum(val*wt)[i] / cum_sum(wt)[i]

用Pandas实现（推荐） #

直接利用Pandas的cumsum()方法，一步就能算出结果，代码简洁又直观：

import pandas as pd

# 构造原始数据
df = pd.DataFrame({'val': [1, 2, 3], 'wt': [100, 300, 200]})

# 计算加权累积和与权重累积和，相除得到目标列
df['cum_wt_avg'] = (df['val'] * df['wt']).cumsum() / df['wt'].cumsum()

print(df)

运行这段代码后，输出结果和你想要的目标DataFrame完全一致，而且计算效率很高，适合处理大规模数据。

用NumPy实现 #

如果习惯用NumPy的话，原理也是一样的，先计算两个数组的累积和再相除：

import numpy as np
import pandas as pd

# 定义原始数组
val_arr = np.array([1, 2, 3])
wt_arr = np.array([100, 300, 200])

# 计算累积和与最终结果
cum_val_wt = np.cumsum(val_arr * wt_arr)
cum_wt = np.cumsum(wt_arr)
cum_wt_avg_arr = cum_val_wt / cum_wt

# 转成DataFrame格式
df = pd.DataFrame({'val': val_arr, 'wt': wt_arr, 'cum_wt_avg': cum_wt_avg_arr})

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