如何在数组中匹配标签值并对对应w_score求和计算p_score

需求规则明确 #

• 表格B、C、D、E列为标签存储列，不同列、不同行的标签值可能重复
• F列为每行预分配的w_score权重分值
• G列为B、C、D、E四列所有标签去重后得到的唯一标签清单
• H列待计算的p_score规则：遍历所有数据行，只要某行的B/C/D/E任意一列单元格值等于当前计算的唯一标签，就将该行F列的w_score计入总和，累加结果即为该标签的p_score。例如标签git出现在4行中，对应w_score分别为10、8.5、5、4.5，最终p_score为28。

表格端直接计算方法（Excel/WPS表格/Google Sheets通用） #

在H列对应G列第一个标签的单元格（例如G列从G2开始存标签，就选中H2）输入以下公式，输入完成后下拉填充整列即可批量算出所有标签的p_score：

=SUMPRODUCT(--(B:E=G2)*F:F)

公式逻辑拆解：

• B:E=G2 会逐单元格判断是否匹配当前标签，匹配返回逻辑值TRUE，不匹配返回FALSE
• 前缀--将逻辑值转为可计算的数字：TRUE转为1，FALSE转为0
• 与F列分值做矩阵运算后求和，只要某行有任意一列匹配标签，就会自动累加该行的w_score，完全符合计算规则
  如果你的数据有固定有效范围（例如第2行到第200行是正式数据，第1行是表头），建议把范围写死提升计算效率，公式可调整为=SUMPRODUCT(--(B2:E200=G2)*F2:F200)

Python pandas批量处理代码 #

如果需要用脚本处理大批量表格数据，可以直接用以下代码实现：

import pandas as pd

# 替换为你的表格读取逻辑，例如pd.read_excel("你的文件路径.xlsx")
df = pd.read_excel("data.xlsx")
tag_columns = ["B", "C", "D", "E"]

# 逐唯一标签计算p_score
df["H"] = df["G"].apply(
    lambda current_tag: df.loc[df[tag_columns].eq(current_tag).any(axis=1), "F"].sum()
)

# 结果保存回文件
df.to_excel("result.xlsx", index=False)

内容的提问来源于stack exchange，提问作者Ankur Lakra