Как выполнить средневзвешенное значение каждые 2 строки в Pandas?

Вы можете векторизовать это с помощью groupby, apply и mean:

def AB_weighted(g):
   return (g['A'] * g['B']).sum() / g['B'].sum()

g = df.groupby(df.index.date)
pd.concat([g.apply(AB_weighted), g['C'].mean()], keys=['A', 'C'], axis=1)

                   A    C
2017-09-18  1.000018  250
2017-09-19  1.000030  300

• Нам нужно apply для первого условия, поскольку при групповом вычислении используются несколько столбцов - «А» и «Б».
• Для вычисления среднего значения «C» требуется только «C», поэтому мы можем сократить время с помощью mean().

Другой вариант - вычисление произведения до groupby, поэтому мы можем обойти вызов apply (это немного похоже на второй ответ @WB), но с одним вызовом sum.

u = df.assign(D=df['A'] * df['B'])[['D', 'B']].groupby(df.index.date).sum()
u['A'] = u.pop('D') / u.pop('B')

u['C'] = df.groupby(df.index.date)['C'].mean()

u
                   A    C
2017-09-18  1.000018  250
2017-09-19  1.000030  300

Проверьте с помощью

df.groupby(df.index.date).apply(lambda x : pd.Series({'A':sum(x['A']*x['B'])/sum(x['B']),'C':(x['C']).mean()}))
                   A      C
2017-09-18  1.000018  250.0
2017-09-19  1.000030  300.0

Или давайте не будем использовать apply

t1=df.eval('A*B').groupby(df.index.date).sum()/df.groupby(df.index.date).B.sum()
t2=df.groupby(df.index.date).C.mean()

pd.concat([t1,t2],1)
                   0    C
2017-09-18  1.000018  250
2017-09-19  1.000030  300