小编Rob*_*isi的帖子

我想找到一种方法来更快地计算成对准确性，即将比较同一数组中的元素（在这种情况下，这是一个熊猫df列），计算它们之间的差异，然后比较所获得的两个结果。我想有一个数据帧DF有3列（ID文件的，Jugment代表人类的评估，它是一个int对象，PR_score表示该文件的网页级别，这是一个浮动对象），我要检查，如果他们同意对一个文档进行更好/最差的分类。

例如：

id：id1，id2，id3

判断：1，0，0

PR_分数：0.18，0.5，0.12

在这种情况下，两个分数在对id1的分类上优于对id3的分类，对id1和id2的分类不同，并且在id2和id3之间存在人为的判断力，因此我的成对准确性是：

协议 = 1

分歧 = 1

成对准确性 =同意/（同意+反对）= 1/2 = 0.5

这是我第一个解决方案的代码，其中我将df的列用作数组（这有助于减少计算时间）：

def pairwise(agree, disagree):
    return(agree/(agree+disagree))

def pairwise_computing_array(df):

    humanScores = np.array(df['Judgement'])  
    pagerankScores =  np.array(df['PR_Score']) 

    total = 0 
    agree = 0
    disagree = 0

    for i in range(len(df)-1):  
        for j in range(i+1, len(df)):
            total += 1
            human = humanScores[i] -  humanScores[j] #difference human judg
            if human != 0:
                pr = pagerankScores[i] - …