为Pandas分组操作生成递减权重列的实现方案

没问题，这个需求很好实现，我给你一步步拆解解决：

核心思路 #

我们需要给每个访客的访问记录按访问时间倒序分配权重：最新访问权重为1，每往前推一次访问，权重就乘以指定的衰减参数（比如你说的1/2），也就是第k次（从最新开始数）的权重为 decay_param^(k-1)。

具体步骤 #

1. 先对数据排序
   首先要保证每个访客的记录按时间顺序排列，这样我们才能准确计算倒序的权重。假设你的DataFrame包含visitor_id（访客ID）和visit_time（访问时间）列，先按访客分组、时间降序排序（最新访问排在每组最前面）：

import pandas as pd

# 先转换时间列（如果还不是datetime类型的话）
df['visit_time'] = pd.to_datetime(df['visit_time'])

# 按访客ID升序、访问时间降序排序
df_sorted = df.sort_values(by=['visitor_id', 'visit_time'], ascending=[True, False])

2. 计算权重列
   利用groupby+cumcount()来获取每组内的行序号（从0开始），然后直接用衰减参数的序号次方得到权重——因为最新访问是序号0，对应decay_param^0=1，完全符合要求：

decay_param = 1/2  # 这里替换成你需要的衰减参数

# 高效计算权重，避免循环
df_sorted['weight'] = decay_param ** df_sorted.groupby('visitor_id').cumcount()

3. （可选）恢复原数据顺序
   如果需要回到数据原来的排序，可以再按访客和时间升序排回去：

df = df_sorted.sort_values(by=['visitor_id', 'visit_time'])

验证效果 #

举个测试例子，假设我们有如下数据：

# 测试数据
data = {
    'visitor_id': [1,1,1,2,2],
    'visit_time': ['2024-01-01', '2024-01-02', '2024-01-03', '2024-01-01', '2024-01-02'],
    'page_views': [5,3,7,2,4]
}
df = pd.DataFrame(data)

执行完上面的步骤后，df的输出会是：

visitor_id visit_time  page_views  weight
0           1 2024-01-01           5    0.25
1           1 2024-01-02           3    0.50
2           1 2024-01-03           7    1.00
3           2 2024-01-01           2    0.50
4           2 2024-01-02           4    1.00

完全符合预期：最新访问权重1，依次按1/2递减。

分组求和 #

之后你就可以用你提到的代码计算每个访客的权重总和了：

visitor_weight_sum = df.groupby(['visitor_id'])['weight'].sum()

比如访客1的总和是1 + 0.5 + 0.25 = 1.75，访客2是1 + 0.5 = 1.5，结果正确。

内容的提问来源于stack exchange，提问作者GRS