Python实现公式计算大数据集DataFrame 按name分组求单个S分数

问题核心错误说明 #

你之前的实现逻辑和公式要求不符，公式要求的是对每个name分组下的每一行计算type * OR，再对乘积求和，而你的代码是先对分组内的type、OR分别求和再相乘，二者数学逻辑完全不同，小数据集可能巧合结果一致，大数据集自然会出现不符合预期的输出。

正确实现代码 #

import pandas as pd

def calculate_s_score(df):
    # 逐行计算公式中的Xj * bj（对应type * OR）
    df['row_product'] = df['type'] * df['OR']
    # 按name分组，对乘积列求和得到每个name的唯一S分数
    s_result = df.groupby('name', as_index=False)['row_product'].sum()
    # 重命名结果列
    s_result.rename(columns={'row_product': 'S_score'}, inplace=True)
    return s_result

调用该函数返回的结果就是每个name对应唯一S分数的4行DataFrame，符合你的要求。

关于type列用sum还是count的说明 #

你提到type是二进制值，按公式给出的Xj对应type列的定义，不需要用count：

• count是统计每个name对应的行数，和type的实际取值无关
• 直接用type的原值计算乘积再分组求和即可，如果你的type确实是0/1二进制值，逻辑完全匹配公式要求，示例中出现的type=2属于数据异常，可提前做数据清洗过滤不符合要求的行。

内容的提问来源于stack exchange，提问作者ARJ