3. PSI计算原理：分箱方法、比例计算与对数求和

群体稳定性指标（PSI）的核心思想是量化两个分布之间的差异。其计算过程可拆解为三个关键步骤：分箱、比例计算与对数求和。每一步的选择与实现都直接影响PSI值的敏感度和可靠性。

3.1 分箱方法：等距与等频

分箱是将连续变量或离散变量划分为若干区间（桶）的过程。PSI对分箱方式敏感，常用方法有两种：等距分箱和等频分箱。

分箱完成后，需记录每个箱的边界值。PSI计算要求期望分布（通常为训练集或基准期）与实际分布（当前监控期）使用完全相同的分箱边界。

3.2 实际分布与期望分布的比例计算

在每个箱内，分别计算两个分布的样本占比：

• 期望占比（Expected Proportion, E_i）：基准期落在第i箱的样本数 / 基准期总样本数
• 实际占比（Actual Proportion, A_i）：监控期落在第i箱的样本数 / 监控期总样本数

计算时需注意两个关键处理：

1. 零占比处理：若E_i或A_i为0，直接代入会导致对数计算失败。通常做法是给每个箱的计数加一个极小常数（如0.5或1e-6），或将该箱与相邻箱合并。
2. 比例归一化：确保所有箱的E_i之和为1，A_i之和为1。

3.3 自然对数与求和：PSI的最终聚合

得到每个箱的E_i和A_i后，按以下步骤完成PSI计算：

1. 计算比例差：(A_i - E_i)
2. 计算比例比的自然对数：ln(A_i / E_i)
3. 箱内乘积：将步骤1与步骤2的结果相乘
4. 全局求和：对所有箱的乘积结果求和，得到最终PSI值

自然对数ln的作用是放大差异：当A_i与E_i接近时，ln(A_i/E_i)趋近于0；当两者偏离较大时，对数值会快速增大，使PSI对分布偏移更敏感。

3.4 PSI计算流程总览

下图展示了从原始数据到PSI值的完整计算链路：

3.5 计算示例与代码实现

以下是一个完整的PSI计算Python实现，包含等频分箱与零占比处理：

import numpy as np
import pandas as pd

def calculate_psi(expected, actual, bins=10):
    """
    计算群体稳定性指标（PSI）
    
    Parameters:
    expected: array-like, 期望分布（基准期数据）
    actual: array-like, 实际分布（监控期数据）
    bins: int, 分箱数量（默认10）
    
    Returns:
    float: PSI值
    """
    # 1. 基于期望分布确定分箱边界（等频分箱）
    percentiles = np.linspace(0, 100, bins + 1)
    bin_edges = np.percentile(expected, percentiles)
    # 确保边界唯一
    bin_edges = np.unique(bin_edges)
    
    # 2. 分别统计两个分布在各箱的样本数
    exp_counts, _ = np.histogram(expected, bins=bin_edges)
    act_counts, _ = np.histogram(actual, bins=bin_edges)
    
    # 3. 计算占比（加入平滑因子避免零值）
    smooth = 0.5
    exp_prop = (exp_counts + smooth) / (np.sum(exp_counts) + smooth * len(exp_counts))
    act_prop = (act_counts + smooth) / (np.sum(act_counts) + smooth * len(act_counts))
    
    # 4. 计算PSI
    psi = np.sum((act_prop - exp_prop) * np.log(act_prop / exp_prop))
    
    return psi

# 使用示例
np.random.seed(42)
expected_data = np.random.normal(0, 1, 10000)
actual_data = np.random.normal(0.2, 1.1, 10000)  # 均值偏移0.2，标准差增大

psi_value = calculate_psi(expected_data, actual_data)
print(f"PSI = {psi_value:.4f}")  # 输出示例: PSI = 0.0452

3.6 分箱方法对比与选择指南

为帮助在实际项目中快速决策，下表总结了两种分箱方法的优劣与典型应用：