更一般的解决方案：
1.它为没有Student，Class的所有列创建加权平均值：df2 = df.drop('Student', axis=1) \
.groupby('Class') \
.apply(lambda x: x.drop(['Class', 'wb'], axis=1).mul(x.wb, 0).sum() / (x.wb).sum()) \
.add_suffix('_M') \
.reset_index()
print (df2)
Class V1_M V2_M V3_M
0 A 9.526316 9.157895 10.684211
1 B 3.900000 7.700000 7.900000
2 C 5.428571 2.857143 3.000000
3 D 5.631579 3.473684 5.526316
也可以为加权平均值定义列：
^{pr2}$
更一般的方法是按^{}过滤所有以V开头的列：df2 = df.groupby('Class') \
.apply(lambda x: x.filter(regex='^V').mul(x.wb, 0).sum() / (x.wb).sum()) \
.add_suffix('_M') \
.reset_index()
print (df2)
Class V1_M V2_M V3_M
0 A 9.526316 9.157895 10.684211
1 B 3.900000 7.700000 7.900000
2 C 5.428571 2.857143 3.000000
3 D 5.631579 3.473684 5.526316
