Pandas：计算。加权平均价格，使用 groupby / lambda 还是函数？

Question

我有 DataFrame，其中 4 个不同的订单被分成第 3-12 行。正如您在下面的第 1、2 和 3 步中看到的那样，我正在使用 groupby 来实现 1 个订单 = 1 行。

但是我错过了一个关键步骤，计算每个订单的加权平均价格。目前第 2 步正在计算平均价格。

我想做的事情：

创建一个 function/lambda 可以计算每个订单的加权平均价格（可能基于 groupby 'Time' 列）。

订单 1 = 第 3、4 行
订单 2 = 第 5、6、7 行
订单 3 = 第 8、9 行
订单 4 = 第 10、11、10 行

加权平均价格的计算公式 = ((首价*金额)+(次价*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 DataFrame：

| 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 'Price' 列显示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  |

Answer 1

groupby 对象的 .apply 方法将允许您在组级别和 return 数据帧处理数据。

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))

Pandas：计算。加权平均价格，使用 groupby / lambda 还是函数？

Pandas: Calc. weighted-average price, using groupby / lambda or function?

python

lambda

group-by

weighted-average

pandas