python - 在 Pandas 中找到下一个更高或更低的数字

Question

我想将一个新列添加到我的 DataFrame 中，从具有 allowed_numbers_y 的外部数组中将下一个更高或更低的数字添加到 y。
我有:

allowed_numbers_y = [4,8,15,47]

df = pd.DataFrame({'x': [1,1,1,2,2,3,3,3,4,4,4],
                   'y': [5,12,13,14,15,16,17,25,21,10,9]})

df 输出如下所示:

    x   y
0   1  5
1   1  12
2   1  13
3   2  14
4   2  15
5   3  16
6   3  17
7   3  25
8   4  21
9   4  10
10  4   9

我想要这个:

    x   y    next_up_y  next_down_y
0   1  5        8         4
1   1  12       15        8
2   1  13       15        8
3   2  14       15        8
4   2  15       47        15
5   3  16       47        15
6   3  17       47        15
7   3  25       47        15
8   4  21       47        15
9   4  10       15        8
10  4   9       15        8

我有这个，但是由于我的数据框很大，我认为必须有更好的事情要做，而不是使用此函数遍历每一行。

def next_higher(my_list, my_number):  # finds the next higher number in list

    jojo_list = list(my_list)
    if not (len(list(filter(lambda x: x == my_number, my_list))) > 0):  # Number exists
        jojo_list.append(int(my_number))
    jojo_list.sort()
    jojo_list.index(int(my_number))
    if my_number >= my_list[-1]:  # my_number is the last in list
        return my_list[-1]
    else:
        return jojo_list[jojo_list.index(my_number) + 1]

Answer 1

如果将允许列表转换为 Series ，您可以使用 idxmin() 与 apply() .
对于 next_up_y :

allowed[allowed > y] - 获取大于 y 的值

.sub(y).abs() - 取与y差的绝对值

.idxmin() - 返回最小值的索引

对于 next_down_y , 做同样的事情，但值小于 y ( allowed[allowed < y] )。

allowed = pd.Series(allowed_numbers_y)

df['next_up_y'] = df.y.apply(
    lambda y: allowed[allowed[allowed > y].sub(y).abs().idxmin()])
df['next_down_y'] = df.y.apply(
    lambda y: allowed[allowed[allowed < y].sub(y).abs().idxmin()])

    x   y  next_up_y  next_down_y
0   1   5          8            4
1   1  12         15            8
2   1  13         15            8
3   2  14         15            8
4   2  15         47            8
5   3  16         47           15
6   3  17         47           15
7   3  25         47           15
8   4  21         47           15
9   4  10         15            8
10  4   9         15            8

注:如果速度很重要，请查看@Durtal 的 numpy解决方案，它不太直观，但速度快了几个数量级:


方法
%timeit


Pandas
11 女士 ± 1.46 ms 每个循环(7 次运行，每个循环 100 次)

NumPy
16.2 微秒 ± 1.27 µs 每个循环(7 次运行，每个循环 10000 次)