目标：在多个预测列和一个实际数据列上使用自定义 WMAPE（加权平均绝对百分比误差）函数对 Pandas 数据框进行分组，无需 for 循环。我知道输出数据帧的 for 循环和合并可以解决问题。我想有效地做到这一点。
有： WMAPE函数，成功使用WMAPE函数在dataframe的一个预测列上。一列实际数据，可变数量的预测列。
输入数据： Pandas DataFrame 具有多个分类列（City、Person、DT、HOUR）、一个实际数据列（Actual）和四个预测列（Forecast_1 ... Forecast_4）。请参阅 csv 链接：https ://www.dropbox.com/s/tidf9lj80a1dtd8/data_small_2.csv ? dl =1
需要： WMAPE 函数在 groupby 期间在多个列上应用，并将预测列列表输入 groupby 行。
所需输出：具有分类组列和 WMAPE 的所有列的输出数据框。标签是首选但不是必需的（下面的输出图像）。
到目前为止成功的代码： 两个 WMAPE 函数：一个接收两个系列并输出单个浮点值 (wmape)，一个用于 groupby (wmape_gr) 的结构化：
def wmape(actual, forecast):
# we take two series and calculate an output a wmape from it
# make a series called mape
se_mape = abs(actual-forecast)/actual
# get a float of the sum of the actual
ft_actual_sum = …