如何使用Pandas计算数据框每行的真阳性率（TPR）

可以用Pandas的矢量化操作快速实现这个需求，核心思路是逐行统计预测结果与标签匹配的数量，再除以预测列的总数，得到每行的真阳性率。

完整代码示例 #

import pandas as pd

# 构造示例数据框
df = pd.DataFrame({
    'label': ['Apple', 'Orange'],
    'pred1': ['Apple', 'Orange'],
    'pred2': ['Orange', 'Orange'],
    'pred3': ['Apple', 'Orange']
})

# 1. 筛选所有预测列（排除label列）
pred_cols = df.columns.drop('label')

# 2. 逐行计算匹配数量 / 预测列总数，保留两位小数
df['Score'] = (df[pred_cols].eq(df['label'], axis=0).sum(axis=1) / len(pred_cols)).round(2)

print(df[['Score']])

代码解释 #

• df[pred_cols].eq(df['label'], axis=0)：将每行的所有预测列值与该行的label值做相等比较，返回布尔值组成的DataFrame
• .sum(axis=1)：对每行的布尔值求和（True记为1，False记为0），得到该行的真阳性(TP)数量
• / len(pred_cols)：除以预测列的总数（即TP+FN的总数，因为所有预测都是针对当前标签类别的判断）
• .round(2)：将结果保留两位小数，与期望的输出格式一致

运行后输出：

Score
0   0.67
1   1.00

（注：0.66是2/3的近似值，实际计算为0.666...，round(2)会得到0.67；若需严格显示为0.66，可改用df['Score'] = df['Score'].apply(lambda x: "{:.2f}".format(x))做格式化）

内容的提问来源于stack exchange，提问作者mre