Pandas中基于ID的±1范围匹配查找数据帧记录的实现方法

嘿，我来帮你搞定这个需求！你想要的是根据df里的目标ID，找出df2中ID等于目标ID-1、目标ID本身、目标ID+1的所有记录对吧？下面我给你一步步演示怎么实现，完全贴合你的示例场景。

首先，先把你给出的示例数据明确下来（方便后续测试）：

import pandas as pd

# 目标ID数据帧
df = pd.DataFrame([[99],[55],[117]],columns = ['Id'])

# 包含完整数据的参考数据帧
df2 = pd.DataFrame([[100,1,2,4,5,6,8],
                    [87,1,6,20,22,23,34],
                    [99,1,12,13,34,45,46],
                    [64,1,10,14,29,32,33],
                    [55,1,22,13,23,33,35],
                    [66,1,6,7,8,9,10],
                    [77,1,2,3,5,6,8],
                    [811,1,2,5,6,8,10],
                    [118,1,7,8,22,44,56],
                    [117,1,66,44,47,87,91]],
                   columns = ['Id', 'Num1','Num2','Num3','Num4','Num5','Num6'])

接下来咱们来实现核心逻辑：

• 先提取df里的所有目标ID，为每个ID生成对应的±1范围的ID集合
• 在df2中筛选出ID属于这个集合的所有记录
• （可选）重置结果的索引，让输出更整洁

具体代码如下：

# 提取目标ID列表
target_ids = df['Id'].tolist()

# 生成需要匹配的ID范围：每个目标ID的-1、本身、+1，用集合去重避免重复筛选
match_ids = set()
for id_val in target_ids:
    match_ids.update([id_val - 1, id_val, id_val + 1])

# 在df2中筛选符合条件的记录，重置索引让结果更规整
results = df2[df2['Id'].isin(match_ids)].reset_index(drop=True)

# 查看最终结果
print(results)

运行这段代码后，就能精准得到你想要的——所有目标ID及其±1对应的df2记录啦！

备注：内容来源于stack exchange，提问作者user20250014