Python 表格双向对比数据不一致时的对称行更新方法

问题根因 #

你现在出现数值不一致的核心原因有两个：

1. 交集计算逻辑不对称：你当前使用的是单向匹配逻辑，计算X vs Y时遍历X的峰值判断是否在Y中存在，受阈值判断顺序、重复峰值匹配规则的影响，双向计算必然会出现结果偏差。
2. 比率计算逻辑不对称：你当前的Rate是用交集值除以Param -a对应的总数，也就是A vs B时分母是A的总数，B vs A时分母是B的总数，自然数值不一样。

解决方案 #

方案1：修改计算逻辑从根源解决（推荐）

统一所有两两组合的计算规则，避免重复计算也能保证结果一致性，伪代码示例如下：

# 提前定义所有待比较的样本列表
samples = ["test1", "test2"]
# 用字典缓存已计算的交集结果，key为按固定规则排序的样本对，避免重复计算
intersection_cache = {}

for i in range(len(samples)):
    for j in range(len(samples)):
        a = samples[i]
        b = samples[j]
        # 生成统一缓存key：将两个样本名按字典序排序后组合，保证A+B和B+A用同一个key
        cache_key = tuple(sorted([a, b]))
        # 未计算过的组合才执行交集计算，算完存入缓存
        if cache_key not in intersection_cache:
            # 这里替换为你自己的交集计算逻辑，输出唯一的A∩B值
            intersection_val = calc_intersection(a, b)
            intersection_cache[cache_key] = intersection_val
        # 直接从缓存取值，保证正反顺序的交集完全一致
        current_intersection = intersection_cache[cache_key]

        # 若需要比率、百分比也正反一致，统一分母规则即可，比如固定取排序后第一个样本的总数做分母
        total_denominator = get_total(cache_key[0])
        rate = current_intersection / total_denominator
        percentage = rate * 100

        # 后续将数值写入对应行即可

如果不需要比率正反一致，只需要交集一致，仅保留交集的缓存逻辑即可，比率仍使用当前行的Total -a做分母。

方案2：直接批量更新已有数据

如果已经生成了全量数据不想修改计算逻辑，直接执行批量更新操作即可，以SQL更新为例：

UPDATE 你的表名 t1
JOIN 你的表名 t2 
  ON t1.`Param -a` = t2.`Param -b` 
  AND t1.`Param -b` = t2.`Param -a`
SET 
  t1.`Intersection.Value` = t2.`Intersection.Value`,
  t1.`Rate` = t2.`Rate`,
  t1.`Percentage` = t2.`Percentage`
-- 按字典序规则只更新靠后的组合，避免来回覆盖
WHERE t1.`Param -a` > t1.`Param -b`;

如果数据存在Python的DataFrame中，按同样的配对逻辑遍历赋值即可。

内容的提问来源于stack exchange，提问作者nucleus8