Python 如何为列中的每个元素在另一列中查找最近的元素？

情况如下

我有两个数据帧：

• df1，其中包含一列“p1”，包含1895行范围为2.805到3.035的随机数（以下是前20行）：

• df2，它包含两列，“p2”和“h”

其目的是首先循环通过df1中的所有行，并在p2中为每一行找到最近的元素。e、 g.对于

p1[0]=2.910

，最接近的元素是

p2[2]=2.9

• 然后，如果这两个值相同，则该行的输出为h
• 否则，输出是h之前和后续值的平均值

回到我们的示例，

p1[0]

的输出因此应该是

（h[1]+h[3]）/2

我希望这一切都有意义，这是我在这里的第一个问题：）。

---

谢谢

这是

merge\u asof

的用法，请注意

allow\u exact\u matches=True

默认为True，例如，在这种情况下，2.9最接近为2.9

df1=df1.sort_values('p1')
s1=pd.merge_asof(df1,df2,left_on='p1',right_on='p2',direction='backward')
s2=pd.merge_asof(df1,df2,left_on='p1',right_on='p2',direction='forward')
df1['Value']=(s1.h+s2.h)/2

---

numpy的另一个解决方案：

import numpy as np

# Generate some test data
x1 = np.random.randint(0,100,10)
x2 = np.vstack([np.random.randint(0,100,10),np.random.normal(0,1,10)]).T

# Repeat the two vectors
X1 = np.tile(x1,(len(x2),1))
X2 = np.tile(x2[:,0],(len(x1),1))
distance = np.abs(X1 - X2.T)
closest_idx = np.argmin(distance,axis=0)

print(x2[closest_idx,1])

---

非常感谢，您的解决方案运行良好！你知道我怎么把p1项包括在最后的等式中吗？e、 g.对于p1=2.805，“值”中的输出为（s1.hfg+s2.hfg）/2+2.805？谢谢

df1=df1.sort_values('p1')
s1=pd.merge_asof(df1,df2,left_on='p1',right_on='p2',direction='backward')
s2=pd.merge_asof(df1,df2,left_on='p1',right_on='p2',direction='forward')
df1['Value']=(s1.h+s2.h)/2

import numpy as np

# Generate some test data
x1 = np.random.randint(0,100,10)
x2 = np.vstack([np.random.randint(0,100,10),np.random.normal(0,1,10)]).T

# Repeat the two vectors
X1 = np.tile(x1,(len(x2),1))
X2 = np.tile(x2[:,0],(len(x1),1))
distance = np.abs(X1 - X2.T)
closest_idx = np.argmin(distance,axis=0)

print(x2[closest_idx,1])