如何用Pandas按分组对非零值进行自动递增编号？

Group  Value
0     A      2
1     A      4
2     B      1
3     B      3
4     B      0
5     C      0
6     C      5

ts_code    bkb_close
date        
2020-09-30  399106.SZ   0.0000
2020-10-09  399106.SZ   2215.9609
2020-10-12  399106.SZ   2289.3570
2020-10-13  399106.SZ   0.0000
2020-10-14  399106.SZ   0.0000
2020-10-15  399106.SZ   0.0000
2020-10-16  399106.SZ   0.0000
2020-10-19  399106.SZ   0.0000
2020-10-20  399106.SZ   0.0000
2020-10-21  399106.SZ   0.0000
2020-10-22  399106.SZ   0.0000
2020-10-23  399106.SZ   0.0000
2020-10-26  399106.SZ   0.0000
2020-10-27  399106.SZ   2223.9227
2020-10-28  399106.SZ   2239.1080
2020-10-28  399300.SZ   4737.2718
2020-10-29  399106.SZ   2249.5738
2020-10-29  399300.SZ   4772.9198
2020-10-30  399106.SZ   0.0000
2020-10-30  399300.SZ   0.0000
2020-11-02  399300.SZ   4720.8313
2020-11-02  399106.SZ   0.0000
2020-11-03  399106.SZ   2255.0834
2020-11-03  399300.SZ   0.0000

新增列C，按Group列分组后，基于Value列对非零值进行自动递增编号；零值对应的C列设为NaN，递增时跳过零值。

预期结果：

Group  Value  C 
0     A      2    1
1     A      4    2
2     B      1    1
3     B      3    2
4     B      0    NaN
5     C      0    NaN
6     C      5    1

df['C']=df.groupby('Group').transform(lambda x: x[x>0].cumsum()+1)

当前代码的问题在于：用cumsum()对非零值求和而非计数，且x[x>0]过滤零值后会导致transform的索引不匹配，最终结果不符合预期。

以下是两种可行的解决方案：

方案一：分步实现（清晰易懂） #

import pandas as pd

# 1. 标记非零值为1，零值为0
df['non_zero_flag'] = df['Value'].gt(0).astype(int)
# 2. 按Group分组后累计计数
df['C'] = df.groupby('Group')['non_zero_flag'].cumsum()
# 3. 将原Value为0的行的C列设为NaN
df.loc[df['Value'] == 0, 'C'] = pd.NA
# 4. 移除临时标记列（可选）
df = df.drop('non_zero_flag', axis=1)

方案二：简洁写法（一行完成） #

df['C'] = df.groupby('Group')['Value'].apply(
    lambda x: x.gt(0).cumsum().where(x.gt(0))
)

执行任意一种方案后，即可得到符合预期的结果。

内容的提问来源于stack exchange，提问作者Jack