根据，这是Python中加权基尼系数的实现：
import numpy as np def gini(x, weights=None): if weights is None: weights = np.ones_like(x) # Calculate mean absolute deviation in two steps, for weights. count = np.multiply.outer(weights, weights) mad = np.abs(np.subtract.outer(x, x) * count).sum() / count.sum() rmad = mad / np.average(x, weights=weights) # Gini equals half the relative mean absolute deviation. return 0.5 * rmad
这很干净，并且对于中型阵列很有效，但是正如其最初建议所警告的那样，它是O（n 2）。在我的计算机上，这意味着在大约2万行之后它会中断：
n = 20000 # Works, 30000 fails. gini(np.random.rand(n), np.random.rand(n))
可以将其调整为适用于较大的数据集吗？我的是约15万行。
这是一个比您上面提供的版本快得多的版本，并且在没有权重的情况下也使用简化的公式来获得更快的结果。
def gini(x, w=None): # The rest of the code requires numpy arrays. x = np.asarray(x) if w is not None: w = np.asarray(w) sorted_indices = np.argsort(x) sorted_x = x[sorted_indices] sorted_w = w[sorted_indices] # Force float dtype to avoid overflows cumw = np.cumsum(sorted_w, dtype=float) cumxw = np.cumsum(sorted_x * sorted_w, dtype=float) return (np.sum(cumxw[1:] * cumw[:-1] - cumxw[:-1] * cumw[1:]) / (cumxw[-1] * cumw[-1])) else: sorted_x = np.sort(x) n = len(x) cumx = np.cumsum(sorted_x, dtype=float) # The above formula, with all weights equal to 1 simplifies to: return (n + 1 - 2 * np.sum(cumx) / cumx[-1]) / n
这是一些测试代码以检查我们是否（大致）获得相同的结果：
>>> x = np.random.rand(1000000) >>> w = np.random.rand(1000000) >>> gini_max_ghenis(x, w) 0.33376310938610521 >>> gini(x, w) 0.33376310938610382
但是速度却大不相同：
%timeit gini(x, w) 203 ms ± 3.68 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) %timeit gini_max_ghenis(x, w) 55.6 s ± 3.35 s per loop (mean ± std. dev. of 7 runs, 1 loop each)
如果从函数中删除pandas ops，它已经快得多了：
%timeit gini_max_ghenis_no_pandas_ops(x, w) 1.62 s ± 75 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
如果您想获得最后的性能下降，可以使用numba或cython，但这只会获得百分之几的收益，因为大部分时间都花在了排序上。
%timeit ind = np.argsort(x); sx = x[ind]; sw = w[ind] 180 ms ± 4.82 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
编辑 ：gini_max_ghenis是Max Ghenis的答案中使用的代码
