Python 加快搜索大熊猫数据帧中最近的上下值

我的dataframe与下面的示例类似（只是有更多的条目）。我想为每个组获得给定值的最接近的上下数字

a    b  
600  10
600  12
600  15
600  17
700   8
700  11
700  19

例如，值为13。我想获得一个新的数据帧，类似于：

a    b  
600  12
600  15
700  11
700  19

我已经在使用groupby中尝试了来自Ivo Merchiers的解决方案，并应用于为不同的组运行它

def find_neighbours(value):
  exactmatch=df[df.num==value]
  if !exactmatch.empty:
      return exactmatch.index
  else:
      lowerneighbour_ind = df[df.num<value].num.idxmax()
      upperneighbour_ind = df[df.num>value].num.idxmin()
      return [lowerneighbour_ind, upperneighbour_ind]

df=df.groupby('a').apply(find_neighbours, 13)

这方面的13条线索：

a    b  
600  12
600  15
700  11
700  19
900  12
900  14
900  14

谢谢你的帮助

是的，我们可以加快速度

v=13

s=(df.b-v)
t=s.abs().groupby([df.a,np.sign(s)]).transform('min')
df1=df.loc[s.abs()==t]
df1=df1[df1.b.sub(v).groupby(df.a).transform('nunique')>1]
df1
Out[102]: 
      a   b
1   600  12
2   600  15
5   700  11
6   700  19
9   900  12
10  900  14
11  900  14

试试这个

def neighbours(x):
    d = (df.b-x)
    return df.loc[[d[d==d[d>0].min()].index[0], d[d==d[d<0].max()].index[0]]]
neighbours(13)

def邻居（x）：
d=（df.b-x）
返回df.loc[[d[d==d[d>0].min（）].index[0]，d[d==d[D谢谢。这显然比我以前的方法快。你知道如何实现我的编辑吗？当只给出一个最近的数字时，有没有办法忽略这些行？就像我的示例中a列中的值800？没有较低的值，因此我还想排除较高的值。效果几乎完美。1 minor问题。如果再次将第7行（800，14）添加到表中。虽然缺少较低的值，但代码返回这几行。@mettwurstolaf ok，我认为use nunique应该可以`
def neighbours(x):
    d = (df.b-x)
    return df.loc[[d[d==d[d>0].min()].index[0], d[d==d[d<0].max()].index[0]]]
neighbours(13)