本文介绍如何基于 DataFrame 中的分组标识列（如 model_version 或 id），为每一组数据自动匹配并调用对应预训练模型完成预测，避免手动切片和重复代码，实现真正“一键式”批量预测。
本文介绍如何基于 dataframe 中的分组标识列（如 `model_version` 或 `id`），为每一组数据自动匹配并调用对应预训练模型完成预测，避免手动切片和重复代码，实现真正“一键式”批量预测。
在实际机器学习工程中，常需对同一数据集的不同子集应用不同版本的模型（例如 A/B 测试、灰度发布或业务规则分流）。若按传统方式——先按条件筛选子集、再分别调用模型——不仅代码冗余，还难以维护和扩展。更优雅的解法是利用 pandas 的 groupby().apply() 机制，结合模型字典实现动态分发。
✅ 推荐方案：groupby().apply() 一行完成预测
假设你已按如下方式加载了两个模型：
import pickle
import pandas as pd
# 加载模型
with open('model_a.pkl', 'rb') as f:
model_a = pickle.load(f)
with open('model_b.pkl', 'rb') as f:
model_b = pickle.load(f)
# 构建模型映射字典（键为分组列的取值，值为对应模型对象）
models = {
'model_a': model_a,
'model_b': model_b
}然后，只需一行即可完成分组预测：
# 按 model_version 分组，并对每组调用其对应的模型进行 predict
predictions = df.groupby('model_version').apply(lambda g: models[g.name].predict(g.drop(columns=['id', 'model_version'])))⚠️ 注意：model.predict() 通常不接受带索引/非特征列的 DataFrame。因此推荐在传入前剔除 id、model_version 等非特征列（如上例中的 .drop(columns=[...])）。若模型接受原始 DataFrame（如某些封装良好的推理 API），可省略该步。
输出 predictions 是一个 pd.Series（若模型返回一维数组）或 pd.DataFrame（若返回多列），其索引为 MultiIndex (model_version, original_index)，便于后续还原原始顺序：
# 还原为与原 df 索引对齐的一维预测结果 pred_series = predictions.droplevel(0).sort_index() # 去掉第一层 groupby 索引，按原序排列 df['prediction'] = pred_series.values
? 替代方案：字典推导式（适合需独立处理各组场景）
若你希望保留各组预测结果为独立变量（如分别评估、可视化），可用字典推导式：
results = {
version: model.predict(group.drop(columns=['id', 'model_version']))
for version, group in df.groupby('model_version')
}
# results['model_a'] → array of predictions for id==1
# results['model_b'] → array of predictions for id==2? 扩展提示
- 若分组依据是
id列（如题中所述id==1 → model_a），仅需调整模型字典与分组字段：models = {1: model_a, 2: model_b} predictions = df.groupby('id').apply(lambda g: models[g.name].predict(g.drop(columns=['id', 'model_version']))) - 为提升健壮性，建议在 lambda 中加入异常捕获与日志：
.apply(lambda g: models[g.name].predict(g.drop(columns=non_feature_cols)) if g.name in models else None) - 对于大规模数据，可考虑使用
joblib.Parallel并行化各组预测（需确保模型线程安全）。
该方法简洁、可读性强，且天然支持任意数量的模型与分组，是生产环境中模型路由（model routing）的轻量级实践范式。
