小编bab*_*abz的帖子

创建 lambda 函数来计算加权平均值并将其发送到字典。

wm = lambda x: np.average(x, weights=df.loc[x.index, 'WEIGHTS'])

# Define a dictionary with the functions to apply for a given column:
f = {'DRESS_AMT': 'max', 
     'FACE_AMT': 'sum',
     'Other_AMT': {'weighted_mean' : wm}}

# Groupby and aggregate with dictionary:
df2=df.groupby(['ID','COL1'], as_index=False).agg(f)

此代码有效，但如果权重总计为 0 ，则加权平均 lambda 函数会失败ZeroDivisionError。在这些情况下，我希望输出“Other_AMT”仅为 0。

我阅读了有关使用 np.ma.average （屏蔽平均值）的文档，但无法理解如何实现它

数据每个ID多行

ID Value1 Value2
1    1     0
1    0     1
1    3     1

期望的输出

对于每个ID,(SUM(Value1))*(Value2).

在这种情况下,对于ID1,它将是4*0 = 0.

我希望将结果放回原始表中,如下所示

ID Value1 Value2 Calculated_Value
1    1     0        0
1    0     1        4
1    3     1        4

我试过这个..但是我在输出表中得到了NaN ..

df['Calculated_Value'] = df['ID'].map(df.groupby('ID')['Value1'].sum()*['Value2'])

df有

id    measure   t1  t2  t3
1     savings   1    2   5
1     income    10   15  14
1     misc       5    5   5
2     savings    3   6   12
2     income     4   20  80
2     misc       1   1    1

df希望-为每个id的度​​量添加新行，称为支出，方法是针对每个id的每个期间t1，t2，t3减去measure = income-measure = savings

id    measure   t1  t2  t3
1     savings   1    2   5
1     income    10   15  14
1     misc      5     5   5
1     spend     9    13  9
2     savings    3   6   12
2     income     4   20  80
2     misc       1    1 …