Python OOP实现ROC指标表时列名重复追加'predicted'问题求助

我一眼就看出问题出在哪了——你直接在传入的原始DataFrame上修改数据，而且没有做任何隔离，再加上方法本身还有几个小bug，导致每次调用都会重复生成带predicted_前缀的列。咱们一步步拆解问题，再给你修复好：

问题根源 #

1. 直接修改原始DataFrame：DataFrame是可变对象，你在viewer()里直接给data新增列，会永久改变传入的原始数据。下次实例化或者调用方法时，循环data.iloc[:,1:]会把之前生成的predicted_xxx列也包含进去，进而生成predicted_predicted_xxx这种重复前缀的列。
2. viewer()方法缺少self参数：作为类的实例方法，必须把self作为第一个参数，不然没法访问实例的self.data属性。
3. 未定义的threshold变量：代码里用到了threshold但没赋值，运行时会直接报错。
4. 列计数时机错误：count_algo = len(data.columns)是在生成新列之前计算的，但如果原始数据已经有旧的predicted_列，这个计数就会包含这些冗余列，导致后续逻辑混乱。

修复方案 #

针对这些问题，我们可以做以下调整：

• 操作DataFrame的副本，避免修改原始数据
• 修正实例方法的参数，正确使用self
• 明确传入或定义threshold变量
• 只处理原始的模型预测列（排除actual_label和已有的predicted_列）

修正后的完整代码 #

import pandas as pd
from sklearn.metrics import roc_auc_score, accuracy_score, cohen_kappa_score, recall_score, precision_score, f1_score

class roc_table:
    def __init__(self, data, threshold=0.5):
        # 初始化时创建数据副本，避免修改原始数据
        self.data = data.copy()
        self.threshold = threshold  # 把阈值作为实例属性，支持外部传入

    def viewer(self):
        # 只筛选出需要处理的原始预测列：排除actual_label，以及已经带predicted_前缀的列
        original_pred_cols = [col for col in self.data.columns if col != 'actual_label' and not col.startswith('predicted_')]
        
        # 在副本上生成新的二值化预测列
        for col in original_pred_cols:
            self.data[f'predicted_{col}'] = (self.data[col] >= self.threshold).astype('int')
        
        # 提取所有新生成的predicted_列
        predicted_cols = [col for col in self.data.columns if col.startswith('predicted_')]
        
        # 计算各项指标
        metrics_dict = {
            "AUC": [round(roc_auc_score(self.data['actual_label'], self.data[col]), 2) for col in predicted_cols],
            "Accuracy": [round(accuracy_score(self.data['actual_label'], self.data[col]), 2) for col in predicted_cols],
            "Kappa": [round(cohen_kappa_score(self.data['actual_label'], self.data[col]), 2) for col in predicted_cols],
            "Sensitivity (Recall)": [round(recall_score(self.data['actual_label'], self.data[col]), 2) for col in predicted_cols],
            "Specificity": [round(1 - recall_score(self.data['actual_label'], self.data[col], pos_label=0), 2) for col in predicted_cols],
            # 修正：之前的Specificity计算错误，应该是负样本的召回率
            "Precision": [round(precision_score(self.data['actual_label'], self.data[col]), 2) for col in predicted_cols],
            "F1": [round(f1_score(self.data['actual_label'], self.data[col]), 2) for col in predicted_cols]
        }
        
        # 转换为DataFrame并设置列名
        rock_table = pd.DataFrame.from_dict(metrics_dict, orient='index').reset_index()
        col_names = ['metrics'] + [col.replace('predicted_', '') for col in predicted_cols]
        rock_table.columns = col_names
        
        return rock_table

额外说明 #

• 我还修正了Specificity的计算错误：你之前用了和Accuracy一样的函数，这是不对的，Specificity应该是负样本的召回率，也就是1 - recall_score(..., pos_label=0)。
• 现在每次实例化或调用viewer()时，都会基于原始数据的副本操作，不会污染原始数据，也不会重复生成predicted_前缀的列。
• 阈值threshold现在可以在初始化类的时候传入，默认值设为0.5，使用起来更灵活。

内容的提问来源于stack exchange，提问作者sam c