如何匹配多个DataFrame中RMS列的序列（容差范围±5）

我有一个包含多个DataFrame的列表，每个DataFrame都有名为RMS的列。现在需要找出两个及以上的DataFrame，要求它们的RMS序列中每一个对应位置的值都处于±5的容差范围内。

举个例子：
DataFrame 1的RMS序列：

符合要求的匹配是DataFrame 2，它的每个RMS值都在DataFrame 1对应值的±5范围内：

我当前编写的代码只能匹配单个RMS值，无法实现序列整体匹配的需求，求正确的实现方案。

现有代码 #

def find_matches(df_list, tolerance=5):
    matches = []
    
    for i, df1 in enumerate(df_list):
        for j, df2 in enumerate(df_list):
            if i != j:
                for rms_value in df1['RMS']:
                    matched_values = df2[(df2['RMS'] >= rms_value - tolerance) & (df2['RMS'] <= rms_value + tolerance)]
                    if not matched_values.empty:
                        matches.append((f'dataframe-{i+1}', rms_value, f'dataframe-{j+1}', matched_values['RMS'].tolist()))
    
    return matches

# 查找匹配
matches = find_matches(name_of_list_containing_data_frames, tolerance=5)

现有代码的核心问题是只做了单个RMS值的跨DataFrame匹配，没有考虑序列的对应位置一致性：它会把DataFrame A中某个位置的RMS值，和DataFrame B中任意位置的符合容差的值配对，完全忽略了“序列整体对应”的要求。

要实现序列整体匹配，需要先保证两个DataFrame的RMS列长度一致，再逐位置验证所有值都符合容差，同时避免重复配对（比如已记录DataFrame1和DataFrame2，就不再记录DataFrame2和DataFrame1）。

实现代码 #

def find_matching_dataframes(df_list, tolerance=5):
    matched_groups = []
    # 遍历所有两两组合，i < j 避免重复配对
    for i in range(len(df_list)):
        df1 = df_list[i]
        df1_name = f'dataframe-{i+1}'
        for j in range(i + 1, len(df_list)):
            df2 = df_list[j]
            df2_name = f'dataframe-{j+1}'
            
            # 先检查两个DataFrame的RMS列长度是否一致
            if len(df1['RMS']) != len(df2['RMS']):
                continue
            
            # 验证所有对应位置的RMS值都在容差范围内
            all_valid = ((df1['RMS'] - df2['RMS']).abs() <= tolerance).all()
            if all_valid:
                matched_groups.append({
                    'pair': (df1_name, df2_name),
                    'df1_rms': df1['RMS'].tolist(),
                    'df2_rms': df2['RMS'].tolist(),
                    'tolerance': tolerance
                })
    
    # 若需要找出多组互相匹配的DataFrame（比如3个及以上两两都符合条件），可在此基础上扩展聚类逻辑
    return matched_groups

# 使用示例
matches = find_matching_dataframes(name_of_list_containing_data_frames, tolerance=5)

# 输出结果
for idx, match in enumerate(matches, 1):
    print(f"匹配组 {idx}:")
    print(f"配对DataFrame: {match['pair'][0]} 和 {match['pair'][1]}")
    print(f"{match['pair'][0]} RMS序列: {match['df1_rms']}")
    print(f"{match['pair'][1]} RMS序列: {match['df2_rms']}")
    print("---")

代码说明 #

1. 避免重复配对：用i < j的循环逻辑，确保每对DataFrame只被检查一次
2. 长度校验：先判断两个DataFrame的RMS列长度是否一致，长度不同直接跳过
3. 向量化验证：利用Pandas的向量运算一次性计算所有位置的差值绝对值，再用.all()判断是否全部符合容差要求，效率远高于逐行遍历
4. 结果清晰：返回配对信息和对应RMS序列，方便后续验证和使用

内容的提问来源于stack exchange，提问作者Abboud