求Python实现Java hashCode()函数 用于A/B测试用户拆分

一、Java String.hashCode() 的具体算法 #

Java 中 String.hashCode() 的官方算法定义明确：

对于字符串 s，哈希值计算公式为：
h = s[0] * 31^(n-1) + s[1] * 31^(n-2) + ... + s[n-1]
其中：

• n 是字符串的长度
• s[i] 是字符串第 i 个字符的 Unicode 编码值
• 计算结果为32位有符号整数，超出范围时自动做溢出截断（对 2^32 取模后，若结果大于 2^31-1，则转换为负数）

二、Python 等价实现函数 #

以下是完全模拟 Java 逻辑的 Python 函数，包含溢出处理：

def java_string_hashcode(s):
    h = 0
    for c in s:
        h = (h * 31 + ord(c)) & 0xFFFFFFFF  # 模拟32位无符号整数溢出
    # 转换为32位有符号整数
    return h if h <= 0x7FFFFFFF else h - 0x100000000

三、在 Pandas DataFrame 中实现A/B测试分组 #

假设你有包含 user_id 列的 DataFrame，可通过以下步骤完成分组：

1. 计算每个用户ID的Java风格哈希值
2. 根据哈希值取模完成分组（支持2组、N组等任意分组规则）

示例代码：

import pandas as pd

# 模拟业务数据
df = pd.DataFrame({
    'user_id': ['user_001', 'user_002', 'user_003', 'user_004', 'user_005']
})

# 计算Java风格哈希值
df['java_hash'] = df['user_id'].apply(java_string_hashcode)

# 分成2组（A组：哈希值偶数，B组：奇数）
df['ab_group'] = df['java_hash'].apply(lambda x: 'A' if x % 2 == 0 else 'B')

# 若需分成N组（比如5组），可替换为：
# df['ab_group'] = df['java_hash'].apply(lambda x: f'Group_{x % 5}')

print(df)

运行后将得到与Java端分组逻辑完全一致的结果，可直接用于A/B测试结果分析。

内容的提问来源于stack exchange，提问作者Пётр Кондратьев