求助：用Pandas生成客户权重列并计算渠道权重占比

1. 准备数据与添加权重列 #

首先模拟与你需求匹配的Table1数据（和你描述的表格结构一致）：

import pandas as pd

# 模拟Table1数据
data = {
    'CustomerID': [1,1,2,3,3,3,4,5,5],
    'Channel': ['Web', 'App', 'Web', 'App', 'Social', 'Web', 'Social', 'Web', 'App'],
    'Visits': [3,2,1,5,1,2,4,2,1]
}
Table1 = pd.DataFrame(data)

推荐实现：向量化计算（Pandas最优方式） #

Pandas不推荐手动循环行，用transform可以高效完成每个客户的总访问次数计算，再推导权重：

# 计算每个客户的总访问次数，同步映射到对应行
Table1['TotalVisitsPerCustomer'] = Table1.groupby('CustomerID')['Visits'].transform('sum')

# 计算权重：当前渠道访问数 / 客户总访问数（每个客户权重和为1，5个客户总权重为5）
Table1['weightage'] = Table1['Visits'] / Table1['TotalVisitsPerCustomer']

# 移除临时辅助列（可选）
Table1 = Table1.drop('TotalVisitsPerCustomer', axis=1)

学习用：手动循环实现 #

如果你需要通过循环理解逻辑，可参考以下代码：

# 初始化权重列
Table1['weightage'] = 0.0

# 遍历每个唯一客户
for customer_id in Table1['CustomerID'].unique():
    # 筛选当前客户的所有记录
    customer_records = Table1[Table1['CustomerID'] == customer_id]
    # 计算该客户的总访问次数
    total_visits = customer_records['Visits'].sum()
    # 为当前客户的各渠道赋值权重
    Table1.loc[Table1['CustomerID'] == customer_id, 'weightage'] = customer_records['Visits'] / total_visits

2. 生成Table2计算渠道权重占比 #

按渠道分组求和权重，再除以唯一客户数（5）得到占比：

# 按渠道分组，统计权重总和
channel_weight_total = Table1.groupby('Channel')['weightage'].sum()

# 构建Table2
Table2 = pd.DataFrame({
    'Channel': channel_weight_total.index,
    'Weightage_Sum': channel_weight_total.values,
    'Weightage_Percentage': channel_weight_total.values / 5  # 5为唯一客户数量
})

# 重置索引，让Channel作为普通列（可选）
Table2 = Table2.reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Sam Fleming