嘿，这个需求太常见了！10000行数据手动算肯定疯掉，用工具自动处理就轻松多了，下面给你两种最实用的方案：

Excel 方案（适合不怎么写代码的同学） #

Excel里用SUMPRODUCT和SUMIF的组合就能一键搞定，完全不用手动求和。假设你的数据列是：

• A列：品类标识（chairs、tables、sofa等）
• B列：对应价格
• C列：对应数量

要计算chairs的加权平均价格，直接在空白单元格输入公式：

=SUMPRODUCT((A:A="chairs")*B:B*C:C)/SUMIF(A:A,"chairs",C:C)

公式拆解： #

• SUMPRODUCT((A:A="chairs")*B:B*C:C)：先筛选出所有chairs的行，把每行的价格和数量相乘，再把这些乘积全部加总（也就是chairs的总金额）
• SUMIF(A:A,"chairs",C:C)：统计所有chairs的总数量
• 两者相除就是加权平均价格，直接修改公式里的品类名称（比如把"chairs"换成"tables"），就能自动计算其他品类的结果

拿你举的chairs例子验证：

价格$12、$14、$22，数量28、13、5
总金额=1228 +1413 +22*5 = 336+182+110=628
总数量=28+13+5=46
加权平均=628/46≈$13.65
用上面的公式会直接算出这个结果，完全不用手动算。

Python（Pandas）方案（适合大数据量，效率更高） #

如果是10000行数据，用Pandas处理速度更快，还能一次性算出所有品类的结果。步骤如下：

1. 先导入Pandas库，读取你的数据（假设是CSV格式，列名分别为item、price、quantity）：

import pandas as pd

# 读取数据，替换成你的文件路径
df = pd.read_csv("your_data_file.csv")

2. 用groupby按品类分组，然后计算每组的加权平均：

# 计算每个品类的加权平均价格
weighted_average_df = df.groupby('item').apply(
    lambda group: (group['price'] * group['quantity']).sum() / group['quantity'].sum()
).reset_index(name='weighted_average_price')

# 输出结果
print(weighted_average_df)

代码说明： #

• groupby('item')：把数据按品类标识分成一个个小组
• lambda group: ...：对每个小组执行计算——先算小组内所有价格×数量的总和，再除以小组的总数量
• reset_index：把结果整理成清晰的表格格式，列名是item和weighted_average_price

运行后会直接得到所有品类的加权平均价格，比如chairs对应的行就是≈$13.65，tables、sofa的结果也会一起出来，非常高效。

内容的提问来源于stack exchange，提问作者Christol