如何将pandas DataFrame中同一周期内的多个值转换为对应周期权重

import pandas as pd

# 1. 转换DateTime字段为pandas日期类型（已转换可跳过）
df['DateTime'] = pd.to_datetime(df['DateTime'])

# 2. 按日期分组计算权重，一行完成字段新增
df['DailyScoreWeight'] = df['Score'] / df.groupby(df['DateTime'].dt.date)['Score'].transform('sum')

代码说明 #

• df['DateTime'].dt.date：从带时间的日期字段中提取纯日期维度，作为分组的依据，保证同一天的所有记录被分到同一组
• groupby(...)['Score'].transform('sum')：对分组后的Score列求和，transform方法会把求和结果自动对齐原表的每一行，无需额外做表关联操作，输出结果行数和原表完全一致
• 计算逻辑天然规避分母为0的问题：如果当日所有Score都是0，计算结果会是NaN，你可以根据业务需要后续用fillna(0)把空值替换为0即可

效果验证 #

比如你举例的Day1有三条记录Score分别为4、3、3，当日总分为10，代码运行后对应的DailyScoreWeight值会自动计算为0.4、0.3、0.3，符合需求。

内容的提问来源于stack exchange，提问作者HaoAreYou