在交易数据中，常常会看到同一币种的多次买入，买入的单价和数量可能有所不同。如果我们想要计算每个币种的总量、总价以及加权平均价格，就需要对数据进行整理和计算。本文将通过 Excel 和 Python 两种方法，帮助你实现这一目标。

示例数据

假设我们有一份交易数据，包含以下列：

• 时间：交易时间
• 币种：买入的币种
• 交易方向：买入（BUY）或卖出（SELL）
• 单价：买入的单个币种价格
• 数量：买入的数量
• 总价：买入币种的总花费（单价 × 数量）

举个例子：

或者如下图： 我们需要计算：

1. 每个币种的买入总量。
2. 每个币种的买入总价。
3. 每个币种的加权平均价格，即 (单价 * 数量) / 总量。

方法 1：使用 Excel 计算

Excel 的透视表功能非常适合进行分组统计，但它没有内置的加权平均计算功能。因此，我们需要稍微调整一下流程：

步骤 1：创建透视表

1. 打开 Excel 文件，并确保数据格式正确。
2. 选择所有数据区域（包括表头），然后点击 插入 -> 透视表。
3. 在弹出的窗口中选择 新工作表，然后点击 确定。

步骤 2：设置透视表字段

1. 将 币种 拖到 行 区域。
2. 将 数量 和 总价 拖到 值 区域，并设置它们的求和（默认即为求和）。

这样你可以得到每个币种的总量和总价。

步骤 3：计算加权平均价格

1. 在透视表旁边创建一个新的列来计算加权平均价格。
2. 假设透视表的 总价 在 G 列，数量 在 F 列，则在新列的第一个单元格（假设是 H2）中，输入以下公式：

   1

   =G2/F2

3. 将该公式复制到下面的单元格，得到每个币种的加权平均价格。

完整的透视表示例

最后得出表格如下：

方法 2：使用 Python 计算加权平均价格

如果你更喜欢使用 Python 来自动化计算，可以使用 pandas 库进行处理。以下是完整的 Python 脚本，帮助你根据数据计算每个币种的买入总量、总价和加权平均价格。

步骤 1：安装 pandas 库

如果你还没有安装 pandas 库，可以通过以下命令安装：

1

pip install pandas

步骤 2：Python 脚本

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('交易数据.xlsx')

# 筛选出交易方向为 BUY 的数据
buy_df = df[df['交易方向'] == 'BUY']

# 计算每个币种的加权价格
buy_df['加权价格'] = buy_df['单价'] * buy_df['数量']

# 按币种分组，计算总量、总价和加权平均价格
summary_df = buy_df.groupby('币种').agg(
    总量=('数量', 'sum'),
    总价=('加权价格', 'sum'),
).reset_index()

# 计算加权平均价格
summary_df['平均价格'] = summary_df['总价'] / summary_df['总量']

# 将结果输出到一个新的 Excel 文件
summary_df.to_excel('币种统计表.xlsx', index=False)

print(summary_df)

解释：

1. 读取数据：通过 pandas 的 read_excel() 函数读取 Excel 文件。
2. 计算加权价格：使用 买入单价 * 数量 计算每笔交易的加权价格。
3. 按币种分组：通过 groupby('币种') 对数据按币种分组，计算 总量 和 总价（加权价格的总和）。
4. 计算加权平均价格：最后，使用 总价 / 总量 来计算每个币种的加权平均价格。
5. 输出结果：通过 to_excel() 将结果保存到新的 Excel 文件中。

输出结果

总结

• Excel 方法：通过透视表和手动计算加权平均价格，你可以快速实现每个币种的统计。
• Python 方法：通过 pandas 自动化处理，你可以更加灵活地计算和输出结果，特别适用于数据量较大的情况。

选择适合你的方法来进行计算，如果你有任何问题或需要进一步调整，欢迎随时联系我！