如何在Pandas GroupBy处理后为数据行分配首行1、逐行减半的权重

需求：对DataFrame按Account列分组，为每组数据添加weights列，规则为每组首行权重设为1，后续每行权重为前一行的一半。

示例数据 #

import pandas as pd

df = pd.DataFrame({'Account': [1, 2, 3, 1, 2, 3, 3], 'Money': [4, 5, 6, 8, 9, 10, 11]})

高效实现方案（向量化操作） #

利用groupby.cumcount()生成组内行索引，结合幂运算直接计算权重，这是性能最优的方案，适合大数据集：

# 为原DataFrame添加权重列
df['weights'] = 0.5 ** df.groupby('Account').cumcount()

# 查看结果
print(df)

输出结果：

Account  Money  weights
0        1      4     1.00
1        2      5     1.00
2        3      6     1.00
3        1      8     0.50
4        2      9     0.50
5        3     10     0.50
6        3     11     0.25

逻辑说明

• df.groupby('Account').cumcount()会为每组内的行生成从0开始的连续整数（首行=0，第二行=1，第三行=2...）
• 0.5 ** 索引值正好满足权重规则：首行0.5^0=1，第二行0.5^1=0.5，第三行0.5^2=0.25，以此类推

若需先过滤每组前N行再计算权重 #

如果需要先取每组前2行（如示例中的head(2)操作），可先过滤再添加权重：

# 过滤每组前2行
df_filtered = df.groupby('Account').head(2).reset_index(drop=True)
# 添加权重列
df_filtered['weights'] = 0.5 ** df_filtered.groupby('Account').cumcount()

# 查看结果
print(df_filtered)

输出结果：

Account  Money  weights
0        1      4     1.00
1        1      8     0.50
2        2      5     1.00
3        2      9     0.50
4        3      6     1.00
5        3     10     0.50

备选方案（apply逐组处理） #

如果更倾向于逐组逻辑的直观写法，也可以用groupby.apply实现，但性能略低于向量化方案：

def add_weights(group):
    # 为每组生成权重序列：1, 0.5, 0.25...
    group['weights'] = [0.5 ** i for i in range(len(group))]
    return group

df = df.groupby('Account').apply(add_weights).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者StudyOnly