使用it.chain的迭代

Question

我不得不返回函数的结果，它检查样本进行A/B测试，并给出了结果。计算是正确的，但不知何故，我得到了两次结果。下面的代码和输出。

def test (sample1, sample2):
    
    for i in it.chain (range(len(sample1)), range(len(sample2))):
        
        alpha = .05
           
        difference = (sample1['step_conversion'][i] - sample2['step_conversion'][i])/100
            
        if (i > 0):
            
           
            p_combined = (sample1['unq_user'][i] + sample2['unq_user'][i]) / (sample1['unq_user'][i-1] + sample2['unq_user'][i-1])
            
           
            z_value = difference / mth.sqrt(
            p_combined * (1 - p_combined) * (1 / sample1['unq_user'][i-1] + 1 / sample2['unq_user'][i-1]))
            
         
            distr = st.norm(0, 1)
            
            p_value = (1 - distr.cdf(abs(z_value))) * 2

            print( sample1['event_name'][i], 'p-value: ', p_value)

            if p_value < alpha:
                print('Deny H0')
            else:
                print('Accept H0')
        
    return 

因此，我只需要输出一次结果(在框中标记)，但我从两个示例中获得了两次结果。

​

Answer 1

在使用时，您应该避免使用大多数for循环，并使用标准的矢量化方法。在适用的情况下使用NumPy。

首先，我重新设置了数据格式的索引(索引)，以确保.loc可以与标准的数字索引一起使用。

sample1 = sample1.reset_index()
sample2 = sample2.reset_index()

下面是我认为循环所做的事情。我无法测试它，如果没有清晰的描述、示例数据和预期的结果，任何人都会猜测下面的代码是否能满足您的需要。但它可能会变得更加接近，并且主要作为矢量化方法的一个例子。

import numpy as np

difference = (sample1['step_conversion'] - sample2['step_conversion']) / 100

n = len(sample1)
# Note that Pandas uses `n` as the highest *valid* index when using `.loc`, `n-1` is one lower
p_combined = ((sample1.loc[1:, 'unq_user'] + sample2.loc[1:, 'unq_user']).reset_index(drop=True) /
              (sample1.loc[:n-1, 'unq_user'] + sample2.loc[:n-1, 'unq_user'])).reset_index(drop=True)

z_value = difference / np.sqrt(
              p_combined * (1 - p_combined) * (
                  1 / sample1.loc[:n-1, 'unq_user'] + 1 / sample2.loc[:n-1, 'unq_user']))


distr = st.norm(0, 1)  # ??
        
p_value = (1 - distr.cdf(np.abs(z_value))) * 2

sample1['p_value'] = p_value
print(sample1)

# The below prints a list of True values for elements for which the condition is valid.
# You can also use e.g. `print(sample1[p_value < alpha])`.
alpha = 0.05
print('Deny H0:')
print(p_value < alpha)
print('Accept H0:')
print(p_value > alpha)

不需要循环，对于一个大的数据帧，上面的速度要快得多。

请注意，.reset_index(drop=True)有点难看。但如果不是这样的话，潘达斯将把这两个数据除以相等的指数，这不是我们想要的。这样，就可以避免这种情况。