python在函数调用之间重置可变全局数据帧

我有两个数据帧，“匹配度”和“评级度”。matches数据框存储两人游戏的玩家、日期和比赛赢家。评级数据框存储每个玩家的当前评级，从任意值开始。我想更新此帧，然后再重置它

matches_df

date | player_1 | player_2 | winner
1/11    'A'         'B'        'A'
2/11    'C'         'B'        'C'
3/11    'A'         'D'        'A'
4/11    'A'         'C'        'C'

ratings_df

player | rating
'A'       1000
'B'       1000
'C'       1000
'D'       1000

我有一个算法更新评级，它执行以下操作（sudocode）

我想比较模型预测精度中不同参数值的性能。然而，我正在努力复制“评级”数据框，或者在函数调用之间重置评级数据框。我使用以下代码计算给定参数值的性能：

def calc_brier(parameter,matches_df):
    #reset dataframe to initial values (1000 for all players)
    start_ratings = np.repeat(1000.0,len(unique_players))
    ratings_df = pd.DataFrame(data=[start_ratings],columns=unique_players)
    brier = 0
    for index, row in matches_df.iterrows():
        brier += update_ratings(row,parameter)
    return brier

---

然而，这并不能给出正确的结果。调用“calc_brier”函数时不会重置全局评级数据框，因此，如果使用相同参数多次调用，则我的calc_brier函数不一致。在调用“calc_brier”之前/之后，我应该如何正确重置全局评级数据框，或者使用替代结构来实现比较不同参数值的性能的最终目标？

如果我使用字典而不是数据框来存储评级，那么它是有效的。这是一个有效的版本（ratings df现在是一个字典，名称作为键，等级作为值，从1000开始）。不确定原始代码出了什么问题

def calc_brier(parameter):
    for player in unique_players:
        ratings_dict[player]=1000.0
    brier = 0
    for index, row in matches_df.iterrows():
        brier += update_ratings(row,k_factor)
    return brier

def calc_brier(parameter):
    for player in unique_players:
        ratings_dict[player]=1000.0
    brier = 0
    for index, row in matches_df.iterrows():
        brier += update_ratings(row,k_factor)
    return brier