从df中查找行索引，对此，df$col1-df2$col1 x=min而论。然后从df中找出在[idx-5;idx+5]范围内的col2最大值。

Question

我有两个数据帧df1和df2。

df1有两列。我想从idx找到row的索引df1，它在col1中包含了与df2 col1值的最小距离。

接下来，我想从df1 col2中找到neighborhood [idx-10, idx+10]的最大值。然后将该值附加到df2，并将其附加到找到最小距离的相应行。

以下是两个数据框架的示例：

 df1 = pd.DataFrame({"A": [1,1.5,2.5,3,3.5,3.95,4.55,5.1, 5.54, 6.02, 6.57], 
"B": [0.25, 0.6, 1.34, 0.75, 0.16, 1.04, 0.99, 0.23, 0.95, 0.65,0.22]})
       A     B
0   1.00  0.25
1   1.50  0.60
2   2.50  1.34
3   3.00  0.75
4   3.50  0.16
5   3.95  1.04
6   4.55  0.99
7   5.10  0.23
8   5.54  0.95
9   6.02  0.65
10  6.57  0.22



df2 = pd.DataFrame({"A1": [1.06, 2.34, 3.70, 6, 7.2], "C": ["pink", "blue", "orange", "pink", "orange"]})



      A1       C
0  1.06    pink
1  2.34    blue
2  3.70  orange
3  6.00    pink
4  7.20  orange

为了方便起见，我将选择区间[idx-2;idx+2]。以下是预期的结果：

  df3 = pd.DataFrame({"A1":[1.06,2.34, 3.70, 6, 7.2], "B": [1.34, 1.34, 1.04, 0.95, 0.95], "C": ["pink", "blue", "orange",
"pink", "orange"]})
   
     A1     B       C
0  1.06  1.34    pink
1  2.34  1.34    blue
2  3.70  1.04  orange
3  6.00  0.95    pink
4  7.20  0.95  orange

我知道我可以合并这些数据帧，但问题是其中一个df1非常大，所以要计算A和A1列的所有可能距离需要大量的内存。所以，也许还有比这更有效率的东西？

Answer 1

假设df1已经在A列上排序，那么让我们使用searchsorted在A中获取与来自A1的值相对应的最近值的索引，然后确保剪切索引值等于df1长度的索引。现在，在df1.B上做一个居中滚动最大值，最后使用最近的索引在一个间隔内得到相应的最大值。

i = np.searchsorted(df1['A'], df2['A1'], side='right')
i[i == len(df1)] -= 1

w = 2
r = df1['B'].rolling(2 * w + 1, center=True, min_periods=1).max()
df2['B'] = r.iloc[i].tolist()

     A1       C     B
0  1.06    pink  1.34
1  2.34    blue  1.34
2  3.70  orange  1.04
3  6.00    pink  0.95
4  7.20  orange  0.95