Python实现单变量P10/P90敏感性分析配置自动生成方法问询

核心需求 #

每次仅调整一个变量为P10或P90值，其余变量保持P50基准值，实现可灵活适配多变量的配置生成，避免手动编写的低效。

优化实现代码 #

首先保留你的namedtuple定义：

from collections import namedtuple

Sensitivity_Case = namedtuple('Sensitivity_Case', ['a', 'b', 'c'])

# P50基准案例
p50 = Sensitivity_Case(5, 50, 'medium')
# P10案例
p10 = Sensitivity_Case(1, 5, 'low')
# P90案例
p90 = Sensitivity_Case(10, 500, 'high')

接下来是适配多变量的生成函数：

def generate_sensitivity_configs(p50_base, p10_vals, p90_vals):
    configs = []
    # 遍历每个变量的索引（自动适配namedtuple的字段数量）
    for idx in range(len(p50_base._fields)):
        # 生成当前变量取P10、其余取P50的配置
        p10_config = list(p50_base)
        p10_config[idx] = p10_vals[idx]
        configs.append(p10_config)
        
        # 生成当前变量取P90、其余取P50的配置
        p90_config = list(p50_base)
        p90_config[idx] = p90_vals[idx]
        configs.append(p90_config)
    return configs

# 生成所有敏感性配置
sensitivity_configs = generate_sensitivity_configs(p50, p10, p90)

# 按需求格式输出
for i, config in enumerate(sensitivity_configs, 1):
    print(f"config{i} = {config}")

实现优势 #

• 自动适配变量数量：无论你新增或减少Sensitivity_Case的字段（比如加个d变量），函数无需修改，自动遍历所有变量生成对应配置
• 逻辑精准：严格遵循单变量敏感性分析规则，每个变量仅生成P10、P90两个变体，其余保持基准值
• 避免重复劳动：彻底摆脱手动编写config1到confign的繁琐工作

输出结果 #

运行代码后会生成你需要的6个配置：

config1 = [1, 50, 'medium']
config2 = [10, 50, 'medium']
config3 = [5, 5, 'medium']
config4 = [5, 500, 'medium']
config5 = [5, 50, 'low']
config6 = [5, 50, 'high']

内容的提问来源于stack exchange，提问作者Marcus Lundgren