我有一个数据框，其中有两列排序的整数。
A B
0 17 15
1 18 18
2 19 20
3 20 21
4 22 21
5 23 27
对于B的所有元素，我想找到A的最接近匹配元素的索引:
A B closest_match_idx
0 17 15 0
1 18 18 1
2 19 20 3
3 20 21 3
4 22 21 3
5 23 27 5
我知道我能做到
df['closest_match_idx'] = df.B.map(lambda x: (df.A - x).abs().idxmin()))
但这对于显然是 O(N) 的问题来说是一个 O(N**2) 解决方案。除了滚动我自己的索引查找函数之外，我找不到任何更好的解决方案，但这感觉像是一个已有解决方案的问题。有想法吗？
就上下文而言，我最终想做的是在 A 中为 B 的每个元素找到最接近的匹配元素，最大绝对差值达到最大(否则仅使用 B 中的值):
match_diff = df.B - df.A.iloc[df['closest_match_idx']]
df['output'] = B
replace_idxs = np.where(diff.abs() <= 2)
df['output'].iloc[replace_idxs] = df['A'].iloc[replace_idxs]
searchsorted or this index trick已经差不多了，但还没有完全实现。
A B closest_match_idx match_diff output
0 17 15 0 2 17
1 18 18 1 0 18
2 19 20 3 1 20
3 20 21 3 1 20
4 22 21 3 1 20
5 23 27 5 4 23
我还应该注意到，在我的示例中，A 和 B 具有相同的长度，但我想要一个可以推广到一系列不同长度的解决方案。
最佳答案
您可以使用merge_asof 。这需要对帧进行排序。这样做的好处是它支持 tolerance 参数，允许您指定考虑匹配的卡尺。
我将保留附加的'A_match'列，但如果您不需要它，可以将其删除。
res = pd.merge_asof(df.sort_values('B'),
df.rename_axis(index='closest_idx').reset_index().drop(columns='B').sort_values('A'),
left_on='B', right_on='A',
direction='nearest',
suffixes=['', '_match'])
print(res)
A B closest_idx A_match
0 17 15 0 17
1 18 18 1 18
2 19 20 3 20
3 20 21 3 20
4 22 21 3 20
5 23 27 5 23
设置|距离|的容差<= 1
res = pd.merge_asof(df.sort_values('B'),
df.rename_axis(index='closest_idx').reset_index().drop(columns='B').sort_values('A'),
left_on='B', right_on='A',
direction='nearest',
suffixes=['', '_match'],
tolerance=1)
# A B closest_idx A_match
#0 17 15 NaN NaN
#1 18 18 1.0 18.0
#2 19 20 3.0 20.0
#3 20 21 3.0 20.0
#4 22 21 3.0 20.0
#5 23 27 NaN NaN
关于python - Pandas:对于排序系列 B 的所有元素，查找排序系列 A 中最接近元素的索引，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/66162447/