Python中无需替换的进程分数匹配

我有两个数据帧，

df_治疗

和

df_控制

。我想根据他们的倾向性得分（已计算），将

df_治疗

中的每个元素与其

df_对照

中最接近的匹配项进行匹配

问题是我发现的唯一方法是基于KNN最近邻算法，但有替换，因此

df\u控制中的一个元素可能与
df\u治疗中的多个元素匹配

我试图找到一种方法，根据这两个数据集的倾向性得分来匹配这两个数据集，以减少混淆偏差，但使用匹配方法而不进行替换，因为我必须将治疗组中的每个元素与其最接近的倾向性得分匹配，而对照组中的元素只能与治疗组中的一个元素匹配

我试图让算法在原始
df\u对照组中的元素与治疗组中的元素匹配后删除它们（并“移动”到
df\u匹配的控制组中），但我还没有找到解决这个问题的方法

我已经检查了这两本笔记本的倾向评分是否与Python中的KNN匹配，但我们都使用替换匹配：



R包MatchIt有最近邻匹配，解决了这个问题，但我在Python中找不到类似的东西