pandas逐行迭代满足条件后停止 实现lifetimes库RCP指标计算

错误原因 #

1. 调用逻辑错位：你执行df.apply(approximate(RCP, model = mbgf, rfm = df), axis = 1)时，会先直接运行approximate函数得到一个Series，再把这个Series传给apply，完全不符合逐行调用的预期。
2. 变量作用域错误：RCP函数依赖全局变量t，迭代过程中无法动态传入不同的t值。
3. 布尔判断歧义：approximate函数内的cf += df.apply(fn, axis = 1)会生成Series，后续if(cf - eps < eps_tol)是对整个Series做比较，pandas无法判定整段条件的布尔值，因此抛出你遇到的报错。

修正代码 #

你需要把迭代逻辑下沉到单行维度，每行独立计算总RCP，修改后的代码如下：

import pandas as pd

# 计算单周期增量RCP
def calculate_incremental_rcp(t, row, model):
    return (model.conditional_expected_number_of_purchases_up_to_time(t, row['frequency'], row['recency'], row['T'])
            - model.conditional_expected_number_of_purchases_up_to_time(t-1, row['frequency'], row['recency'], row['T']))

# 单行计算总RCP，直到增量低于阈值
def calculate_total_rcp(row, model, eps_tol=1e-6):
    total_rcp = 0
    current_t = 1
    while True:
        incr = calculate_incremental_rcp(current_t, row, model)
        if incr < eps_tol:
            break
        total_rcp += incr
        current_t += 1
    return total_rcp

# 逐行计算生成总RCP列
df['t_RCP'] = df.apply(lambda x: calculate_total_rcp(x, model=mbgf), axis=1)

补充说明 #

修正后所有循环和判断都在单行标量维度运行，不存在Series布尔判断歧义问题，也符合你逐行处理直到单客户增量RCP达标的需求。如果数据量较大，可以进一步优化为向量化运算提升效率，不需要逐行迭代。

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