组内分数高于阈值时，重新计算用户相对其他所有组的分数

初始数据 #

现有一个包含用户信息的DataFrame（df），字段包括user、group（组编号）、x1（用户向量）、x2（组向量）、p2、k（组内成员数量）、threshold（组阈值），具体数据如下：

df = pd.DataFrame({'user': ['user 1', 'user 2', 'user 3', 'user 4', 'user 5'],
                   'group': [1, 0, 0, 2, 1],
                   'x1': [[0.2, 0.3, 0.5], [0.3, 0.3, 0.4], [0.4, 0.4, 0.2], [0.2, 0.1, 0.7], [0.5,0.3,0.2]],
                   'x2': [[0.5, 0.2, 0.3], [0.4, 0.2, 0.4], [0.4, 0.2, 0.4], [0.5, 0.1, 0.4], [0.5, 0.2, 0.3]],
                   'p2': [0.342, 0.231, 0.231, 0.411, 0.342],
                   'k': [2, 2, 2, 1, 2],
                   'threshold': [0.6, 0.9, 0.9, 0.8, 0.6],})

已计算的组内分数结果 #

已通过代码计算出每个用户相对于自身所属组的分数（score），计算结果如下：

user    group   x1                  x2                  p2    k   threshold   score
0   user 1  1   [0.2, 0.3, 0.5] [0.5, 0.2, 0.3] 0.342   2   0.6         0.909357
1   user 2  0   [0.3, 0.3, 0.4] [0.4, 0.2, 0.4] 0.231   2   0.9         0.586580
2   user 3  0   [0.4, 0.4, 0.2] [0.4, 0.2, 0.4] 0.231   2   0.9         0.846320
3   user 4  2   [0.2, 0.1, 0.7] [0.5, 0.1, 0.4] 0.411   1   0.8         1.437956
4   user 5  1   [0.5, 0.3, 0.2] [0.5, 0.2, 0.3] 0.342   2   0.6         0.558480

核心需求 #

• 当用户的**组内分数（score）高于对应组的阈值（threshold）**时，重新计算该用户相对于其他所有组的分数。

内容的提问来源于stack exchange，提问作者alxander21