是否存在Python函数可根据重复ID计算客户订单权重？

这是处理客户订单类数据集时非常常见的需求，用Python的pandas库就能轻松搞定，不需要复杂的自定义函数，直接用分组和变换操作就能实现。

具体实现步骤： #

假设你的数据集已经用pandas读取为DataFrame格式，核心思路是：

1. 按客户ID分组，计算每个客户对应的行数（也就是订单数量）
2. 对每个客户的每一行，权重设为 1除以该客户的订单总数

代码示例： #

首先我们先创建一个模拟的数据集来演示：

import pandas as pd

# 模拟数据：ID是客户ID，Product是购买的产品
df = pd.DataFrame({
    'ID': [1, 2, 2, 3, 3, 3],
    'Product': ['手机', '电脑', '平板', '耳机', '充电器', '保护壳']
})

然后添加权重列：

# 计算每个客户的订单数，再取倒数得到权重
df['Weight'] = 1 / df.groupby('ID')['ID'].transform('count')

或者更简洁的写法（效果完全一样）：

df['Weight'] = 1 / df.groupby('ID').transform('size')

运行结果： #

执行后你的DataFrame会变成这样：

原理说明： #

• groupby('ID')：把所有行按客户ID分组
• transform('count') 或 transform('size')：会将每个分组的行数（订单数）广播到该分组的每一行，这样每一行都能拿到自己所属客户的订单总数
• 最后取倒数就得到了每个行对应的权重

这种方法效率很高，不管你的数据集有多大，都能快速完成计算，而且完全保留原始数据的行顺序和结构。

内容的提问来源于stack exchange，提问作者Daria