python之使用 Pandas 数据框中的两列计算加权和

我正在尝试使用 python 数据框中的两列来计算加权和。

数据框结构:

unique_id   weight            value 
1           0.061042375       20.16094523 
1           0.3064548         19.50932003 
1           0.008310739       18.76469039 
1           0.624192086       21.25 
2           0.061042375       20.23776924 
2           0.3064548         19.63366165 
2           0.008310739       18.76299395 
2           0.624192086       21.25 
 
....... 

我想要的输出是:

每个 unique_id 的加权总和 = sum((weight) * (value))

示例:unique_id 1 的加权总和 = ( (0.061042375 * 20.16094523) + (0.3064548 * 19.50932003) + (0.008310739 * 18.76469039) + (0.624192086 * 21.25) )

我查看了这个答案 ( Calculate weighted average using a pandas/dataframe )，但无法找出将其应用于我的特定场景的正确方法。

这就是我根据上述答案所做的:

#Assume temp_weighted_sum_dataframe is the dataframe stated above 
 
grouped_data = temp_weighted_sum_dataframe.groupby('unique_id') #I think this groups data based on unique_id values 
weighted_sum_output = (grouped_data.weight * grouped_data.value).transform("sum") #This should allow me to multiple weight and value for every record within each group and sum it up to one value for that group. 
 
# On above line I am getting the error > TypeError: unsupported operand type(s) for *: 'SeriesGroupBy' and 'SeriesGroupBy' 

感谢任何帮助，谢谢

请您参考如下方法:

链接问题中接受的答案确实可以解决您的问题。但是，我会用一个 groupby 以不同的方式解决它:

u = (df.assign(s=df['weight']*df['value']) 
       .groupby('unique_id') 
       [['s', 'weight']] 
       .sum() 
     ) 
 
u['s']/u['weight'] 

输出:

unique_id 
1    20.629427 
2    20.672208 
dtype: float64