我有DataFrame，其中4个唯一的订单被分成第3-12行。正如您在下面的步骤1、2和3中看到的，我使用groupby使1个订单=1行。
然而，我遗漏了一个关键步骤，计算每个订单的加权平均价格。目前第2步是计算平均价格。
我想做什么：
创建一个函数/lambda，可以计算每个订单的加权平均价格（可能基于groupby'Time'列）。
加权平均价格公式=（（第一价格*金额）（第二价格*金额））/总金额
订单1的加权平均价格=（（660.33*0.0130）（659.58*0.0070））/0.02=660.06750
第1步-原始数据帧：
| 1| Time | Market | Type | Price | Amount | Total | Fee | Acc |
| 2|-----------|-----------|-------|----------|---------|----------|----------|---------|
| 3| 22:12:15 | Market 1 | Buy | 660.33 | 0.0130 | 8.58429 | 0.00085 | MXG_33 |
| 4| 22:12:15 | Market 1 | Buy | 659.58 | 0.0070 | 4.61706 | 0.00055 | MXG_33 |
| 5| 19:36:08 | Market 1 | Sell | 670.00 | 0.0082 | 5.49400 | 0.00070 | MXG_33 |
| 6| 19:36:08 | Market 1 | Sell | 670.33 | 0.0058 | 3.88791 | 0.00048 | MXG_33 |
| 7| 19:36:08 | Market 1 | Sell | 671.23 | 0.0060 | 4.02738 | 0.00054 | MXG_33 |
| 8| 13:01:41 | Market 1 | Buy | 667.15 | 0.0015 | 1.00073 | 0.00011 | MXG_33 |
| 9| 13:01:41 | Market 1 | Buy | 667.10 | 0.0185 | 12.3414 | 0.00132 | MXG_33 |
|10| 07:14:36 | Market 1 | Sell | 657.55 | 0.0107 | 7.03579 | 0.00079 | MXG_33 |
|11| 07:14:36 | Market 1 | Sell | 657.08 | 0.0005 | 0.32854 | 0.00004 | MXG_33 |
|12| 07:14:36 | Market 1 | Sell | 656.59 | 0.0088 | 5.77799 | 0.00071 | MXG_33 |
第2步：将订单合并回1行pr订单：
d_agg = {'Market':'first'
,'Type':'first'
,'Price':'mean'
,'Amount':'sum'
,'Total':'sum'
,'Fee':'sum'
,'Acc':'first'}
(df.groupby('Time', sort=False)['Market','Type','Price','Amount','Total','Fee','Acc'].agg(d_agg).reset_index())
第3步-最终结果：（但是“价格”列显示的是平均价格，而不是加权平均价格）。
| 1| Time | Market | Type | Price | Amount | Total | Fee | Acc |
| 2|-----------|-----------|-------|----------|---------|-----------|----------|---------|
| 3| 22:12:15 | Market 1 | Buy | 659.955 | 0.0200 | 13.20135 | 0.00140 | MXG_33 |
| 4| 19:36:08 | Market 1 | Sell | 670.520 | 0.0200 | 13.40929 | 0.00172 | MXG_33 |
| 5| 13:01:41 | Market 1 | Buy | 667.125 | 0.0200 | 13.34213 | 0.00242 | MXG_33 |
| 6| 07:14:36 | Market 1 | Sell | 657.073 | 0.0200 | 13.14232 | 0.00154 | MXG_33 |
groupby对象的.应用方法将允许您在组级别处理数据并返回一个数据帧。
def fn(group):
group['weighted_avg'] = group['Price'] * group['Amount'] / group['Amount'].sum()
return group
d_agg = {'Market':'first'
,'Type':'first'
,'weighted_avg':'sum'
,'Amount':'sum'
,'Total':'sum'
,'Fee':'sum'
,'Acc':'first'}
df.groupby('Time', sort=False).apply(fn).groupby('Time').agg(d_agg)
# if you don't understand what the code is doing, try:
print(df.groupby('Time', sort=False).apply(fn))
