如何实现自动向if语句叠加逻辑测试的循环，用于数据集相关性分析

核心实现思路 #

每轮迭代会先基于上一轮保留的最优逻辑过滤数据集，再遍历所有未使用过的变量+运算符组合生成新的判断条件，计算每个新条件叠加后的percent_match和percent_no_match，筛选出当前轮次效果最优的条件叠加到总逻辑中，直到触发终止条件为止。

核心代码实现 #

依赖导入与基础配置 #

import pandas as pd
import itertools

# 基础配置，替换为实际业务参数
INPUT_COLS = ["var1", "var2", "var3", "var4"]  # 输入变量列名
TARGET_COL = "target"  # 输出标签列名
OPERATORS = [">", ">=", "<=", "<"]  # 支持的比较运算符
# 迭代终止条件
STOP_MATCH_THRESHOLD = 95  # 匹配度达标阈值
STOP_NO_MATCH_THRESHOLD = 1  # 不匹配度达标阈值
MAX_ITER = 5  # 最多迭代轮数，避免无限循环

核心工具函数 #

def calc_match_metrics(df: pd.DataFrame, logic_mask: pd.Series, target_value=1) -> tuple[float, float]:
    """
    输入数据集和逻辑判断掩码，计算匹配度与不匹配度
    target_value可根据实际输出标签调整
    """
    filtered = df[logic_mask]
    total_in_logic = len(filtered)
    if total_in_logic == 0:
        return 0.0, 100.0  # 空匹配直接判定为无效逻辑
    match_cnt = len(filtered[filtered[TARGET_COL] == target_value])
    no_match_cnt = total_in_logic - match_cnt
    percent_match = (match_cnt / total_in_logic) * 100
    percent_no_match = (no_match_cnt / total_in_logic) * 100
    return round(percent_match, 2), round(percent_no_match, 2)

def gen_single_condition_mask(df: pd.DataFrame, col: str, op: str, threshold) -> pd.Series:
    """根据变量、运算符、阈值生成单条件逻辑掩码"""
    if op == ">":
        return df[col] > threshold
    elif op == ">=":
        return df[col] >= threshold
    elif op == "<=":
        return df[col] <= threshold
    elif op == "<":
        return df[col] < threshold
    else:
        raise ValueError(f"不支持的运算符: {op}")

自动迭代主逻辑 #

if __name__ == "__main__":
    # 替换为实际数据集
    df = pd.read_csv("your_data.csv")
    # 初始化总逻辑掩码，初始为全True（无过滤条件）
    total_logic_mask = pd.Series([True]*len(df), index=df.index)
    used_conditions = []  # 记录已使用的条件避免重复
    current_best_match = 0.0
    current_best_no_match = 100.0

    for iter_round in range(1, MAX_ITER+1):
        print(f"\n===== 第{iter_round}轮迭代 =====")
        round_candidates = []
        # 遍历所有未使用的变量+运算符+阈值组合
        for col in [c for c in INPUT_COLS if c not in [cond[0] for cond in used_conditions]]:
            # 阈值可替换为分箱结果减少遍历量
            unique_vals = sorted(df[col].unique())
            for op in OPERATORS:
                for threshold in unique_vals:
                    # 生成新条件并叠加现有逻辑
                    new_cond_mask = gen_single_condition_mask(df, col, op, threshold)
                    combined_mask = total_logic_mask & new_cond_mask
                    # 计算评估指标
                    match_pct, no_match_pct = calc_match_metrics(df, combined_mask)
                    round_candidates.append({
                        "match_pct": match_pct,
                        "no_match_pct": no_match_pct,
                        "col": col,
                        "op": op,
                        "threshold": threshold,
                        "mask": new_cond_mask
                    })
        
        if not round_candidates:
            print("无可用新条件，迭代终止")
            break
        
        # 筛选当前轮最优条件：优先匹配度最高，其次不匹配度最低
        round_candidates.sort(key=lambda x: (-x["match_pct"], x["no_match_pct"]))
        best_cond = round_candidates[0]
        
        # 无指标提升则终止迭代
        if best_cond["match_pct"] <= current_best_match and best_cond["no_match_pct"] >= current_best_no_match:
            print("指标无提升，迭代终止")
            break
        
        # 更新总逻辑与指标
        total_logic_mask &= best_cond["mask"]
        current_best_match = best_cond["match_pct"]
        current_best_no_match = best_cond["no_match_pct"]
        used_conditions.append((best_cond["col"], best_cond["op"], best_cond["threshold"]))
        
        # 打印本轮结果
        print(f"本轮最优条件：{best_cond['col']} {best_cond['op']} {best_cond['threshold']}")
        print(f"当前总匹配度：{current_best_match}%，总不匹配度：{current_best_no_match}%")
        print(f"已叠加所有条件：{[' '.join(map(str, cond)) for cond in used_conditions]}")
        
        # 达到终止阈值则退出
        if current_best_match >= STOP_MATCH_THRESHOLD or current_best_no_match <= STOP_NO_MATCH_THRESHOLD:
            print("达到终止指标，迭代结束")
            break

可调整优化点 #

• 阈值生成逻辑：当前用变量唯一值遍历，可替换为等频分箱、等距分箱结果，减少遍历次数提升运行效率
• 条件筛选规则：可根据业务需求调整候选条件排序权重，比如优先降低不匹配度，可修改sort方法的排序key
• 重复变量限制：当前默认同一变量只能使用一次，如有多区间判断需求可去掉该限制

内容的提问来源于stack exchange，提问作者josseossa