python (Pandas) 根据不同列满足的标准从第 0 列输出值

Question

我有两个 Pandas 数据框，dfA 和 dfB。dfA 的列数未知，比如 x。 dfB 是一个带有 x – 1 个值的 numpy 数组。因此，如果 dfA 有 50 列(0 到 49)，则 dfB 将有 49 个值。这 49 个值与 dfA 列 1-49 相关联。

从 dfA 的第 0 列开始，我需要在后续列中输出最接近 dfB 中相应值的行的值。我知道那句话没有意义。这是一个例子:

dfA:                
0   0.02    0.06    0.09    0.10
1   0.92    0.82    0.71    0.61
2   0.92    0.82    0.72    0.62
3   0.94    0.84    0.74    0.64
4   0.96    0.86    0.76    0.66
5   0.98    0.88    0.78    0.68


dfB:                
    0.94    0.862   0.732   0.623


Answer: 3   4   3   2

我一直在尝试使用 pandas 查询功能或 loc/iloc 功能来执行此操作，但未能找到解决方案。

Answer 1

使用 NumPy -

a = df.values
out = a[np.abs(a[:,1:] - dfB.values.ravel()).argmin(0),0]

基本上，我们从 dfA 的每一行中减去 dfB，因为我们正在使用 NumPy 数组(因为我们已经使用 .values)，这些在 broadcasted manner 中被有效地减去.然后，我们找到绝对值并使用 .argmin(axis=0) 在每一列中寻找 arg-minimum，简而言之 .argmin(0)。

如果您也在使用 NaN，请使用 np.nanargmin 忽略它们。

逐步运行示例，使事情更容易理解 -

# Extract array from dfA
In [9]: a = dfA.values

# Slice a from col-1 onwards and perform broadcasted differencing with dfB values
In [10]: a[:,1:] - dfB.values.ravel() 
Out[10]: 
array([[-0.92 , -0.802, -0.642, -0.523],
       [-0.02 , -0.042, -0.022, -0.013],
       [-0.02 , -0.042, -0.012, -0.003],
       [ 0.   , -0.022,  0.008,  0.017],
       [ 0.02 , -0.002,  0.028,  0.037],
       [ 0.04 ,  0.018,  0.048,  0.057]])

# Get absolute values
In [11]: np.abs(a[:,1:] - dfB.values.ravel()) 
Out[11]: 
array([[ 0.92 ,  0.802,  0.642,  0.523],
       [ 0.02 ,  0.042,  0.022,  0.013],
       [ 0.02 ,  0.042,  0.012,  0.003],
       [ 0.   ,  0.022,  0.008,  0.017],
       [ 0.02 ,  0.002,  0.028,  0.037],
       [ 0.04 ,  0.018,  0.048,  0.057]])

# Look for argmin along each col
In [14]: idx = np.abs(a[:,1:] - dfB.values.ravel()).argmin(axis=0) 

In [17]: idx
Out[17]: array([3, 4, 3, 2])

# First col from a
In [15]: a[:,0] 
Out[15]: array([ 0.,  1.,  2.,  3.,  4.,  5.])

# Index into first col with those indices to select the desired output values
In [16]: a[idx,0] 
Out[16]: array([ 3.,  4.,  3.,  2.])