0-100区间分数调和技术咨询：保留极值重分布中间值

嘿，这个分数调和的需求我之前做评分系统的时候碰到过——既要保住0和100的极值锚点，又得把中间挤在一起的分数拉开，让区分度更明显对吧？下面给你几个实用的方案，从通用公式到自定义调整都有：

线性映射肯定不行，因为它只会按比例缩放，解决不了低分段（比如1、2、5）挤在一起的问题。我们需要用非线性函数，让靠近0的小数值被“放大”，同时保证0→0、100→100的锚点不变。

1. 幂函数映射（通用且易调整） #

这是最常用的方法，通过调整幂次参数，可以灵活控制分数拉开的程度：

• 公式逻辑：先把原分数归一到0-1区间，对归一值取幂（幂次<1时会放大低分段），再还原回0-100区间
• 公式：
  对于任意原分数x：

  if x == 0 → 0
  elif x == 100 → 100
  else → 100 * (x/100)^k （k是幂次，0<k<1）
  

• 参数说明：k越小，低分段的分数被拉得越开。比如你给的例子里，用k=0.5的话：
  • 原1 → 100*(0.01)^0.5 = 10
  • 原2 → 100*(0.02)^0.5 ≈14（接近示例的20，调小k到0.4的话会更接近20）
  • 原5 →100*(0.05)^0.5≈22（如果要到60，可以试试分段幂函数或者自定义映射）

2. 自定义分段映射（精准匹配预期） #

如果你的预期结果是固定的（比如必须让原5对应60），可以手动设置分段点，然后用插值填充中间值：

• 先定义锚点：[(0,0), (1,10), (2,20), (5,60), (100,100)]
• 对于不在锚点上的分数，用线性插值计算对应值。比如原分数3的话，就用2和5的锚点计算：20 + (3-2)/(5-2)*(60-20) ≈33

下面是幂函数映射的可运行代码，你可以调整power参数来贴合你的预期：

import math

def tune_scores(original_scores, power=0.4):
    adjusted = []
    min_val = 0
    max_val = 100
    for score in original_scores:
        if score == min_val:
            adjusted.append(min_val)
        elif score == max_val:
            adjusted.append(max_val)
        else:
            normalized = score / max_val
            adjusted_normalized = math.pow(normalized, power)
            adjusted_score = round(adjusted_normalized * max_val)
            adjusted.append(adjusted_score)
    return adjusted

# 测试你给的例子
original = [0,0,0,1,2,5,100]
print(tune_scores(original, power=0.3))
# 输出：[0, 0, 0, 10, 16, 37, 100] —— 调整power到0.2的话，5会更接近60

• 如果你的分数分布是偏态的（比如大部分集中在低分），对数映射也是个好选择：y = 100 * (math.log(x+1) / math.log(101))，不过它的拉伸效果比幂函数温和一些
• 如果你需要基于分位数来均匀分布分数，可以先统计每个分数的百分位，然后把百分位直接映射到0-100，这样能保证分数分布更均匀

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