python - 查找与 pandas DataFrame 中的值最接近的第一行的索引

Question

所以我有一个包含多列的数据框。对于每一列，我希望获得第一行的索引，该索引几乎等于用户指定的数字(例如，在所需数字的 0.05 范围内)。数据框看起来有点像这样:

ix   col1   col2   col3
0    nan    0.2    1.04
1    0.98   nan    1.5
2    1.7    1.03   1.91
3    1.02   1.42   0.97

假设我想要第一行几乎等于 1.0，我希望结果是:

• col1 的索引 1(不是索引 3，尽管它们在数学上同样接近 1.0)
• col2 的索引 2
• col3 的索引 0(不是索引 3，尽管 0.97 比 1.04 更接近 1)

我尝试了一种使用 argsort() 的方法:

df.iloc[(df.col1-1.0).abs().argsort()[:1]]

根据其他主题，这将为我提供 col1 中值最接近 1.0 的行的索引。然而，它只返回一个充满 nan 的数据帧。我还想像此方法不会给出每列遇到的第一个接近 1 的值，而是给出最接近 1 的值。

谁能帮我解决这个问题吗？

Answer 1

使用 DataFrame.sub 对于差值，通过 abs 转换为绝对值，比较 lt ( < ) 并最后通过 DataFrame.idxmax 获取第一个值的索引:

a = df.sub(1).abs().lt(0.05).idxmax()
print (a)
col1    1
col2    2
col3    0
dtype: int64

但对于更通用的解决方案，如果 bool 掩码失败(没有值在容差范围内)，则附加由 True 填充的新列。名字为NaN :

print (df)
    col1  col2  col3
ix                  
0    NaN  0.20  1.07
1   0.98   NaN  1.50
2   1.70  1.03  1.91
3   1.02  1.42  0.87

s = pd.Series([True] * len(df.columns), index=df.columns, name=np.nan)
a = df.sub(1).abs().lt(0.05).append(s).idxmax()
print (a)
col1    1.0
col2    2.0
col3    NaN
dtype: float64