如何在Pandas中为每行查找之前最接近close值的open值

给定如下Pandas DataFrame：

timestamp      open      high       low     close  delta  atr  last_index  bearish bullish_turning_point
2   04-10-2024 01:54:44  18370.00  18377.75  18367.50  18376.00     32    0        1949    False                  True
5   04-10-2024 03:21:14  18376.50  18383.00  18375.25  18381.25     28    0        3899    False                  True
7   04-10-2024 04:38:54  18378.50  18386.25  18378.25  18385.50    133    0        5199    False                  True
9   04-10-2024 05:30:27  18384.00  18389.50  18378.75  18388.25    135    0        6499    False                  True
12  04-10-2024 06:06:12  18371.00  18378.00  18369.50  18378.00    130    0        8449    False                  True
14  04-10-2024 06:33:44  18372.25  18383.75  18372.00  18376.25     67    0        9749    False                  True
18  04-10-2024 07:21:14  18377.50  18387.75  18376.25  18380.00      8    0       12349    False                  True
22  04-10-2024 07:47:58  18388.00  18396.75  18385.25  18389.50    -30    0       14949    False                  True
25  04-10-2024 08:06:17  18390.75  18397.00  18387.50  18392.00    -25    0       16899    False                  True
28  04-10-2024 08:33:32  18384.75  18398.00  18383.25  18394.00     89    0       18849    False                  True
30  04-10-2024 08:54:35  18391.25  18403.00  18387.75  18399.25     84    0       20149    False                  True
34  04-10-2024 09:11:15  18388.75  18396.25  18385.75  18392.25     15    0       22749    False                  True
43  04-10-2024 10:02:22  18343.50  18350.50  18341.25  18350.50    113    0       28599    False                  True
46  04-10-2024 10:14:44  18352.00  18361.75  18352.00  18360.00    -42    0       30549    False                  True
49  04-10-2024 10:35:49  18354.00  18361.25  18347.75  18358.00     49    0       32499    False                  True
52  04-10-2024 10:54:18  18362.25  18372.00  18361.50  18372.00    180    0       34449    False                  True
56  04-10-2024 11:12:32  18369.25  18379.50  18367.00  18376.50     78    0       37049    False                  True
59  04-10-2024 11:27:27  18370.00  18376.50  18367.50  18373.25     54    0       38999    False                  True
65  04-10-2024 12:01:53  18377.75  18388.25  18377.50  18383.25    108    0       42899    False                  True
73  04-10-2024 12:25:04  18382.00  18386.25  18381.00  18384.75     65    0       48099    False                  True

需要为每一行查找该行之前所有行中，与当前行close值最接近的open值所在的行。比如：

• 原索引30的行，close值为18399.25，对应原索引25的行的open值18390.75
• 原索引52的行，close值为18372.00，对应原索引14的行的open值18372.25

方法一：逐行遍历（直观易懂，适合小数据集） #

这种方法用apply逐行处理，逻辑清晰，适合数据量不大的场景：

import pandas as pd

# 保留原始索引方便后续匹配
df = df.reset_index(drop=False).rename(columns={'index': 'original_index'})

def get_closest_prev_row(row):
    # 筛选当前行之前的所有行
    previous_rows = df.loc[:row.name - 1]
    if previous_rows.empty:
        return None  # 第一行没有前置行，返回空值
    
    # 计算每个前置行open与当前行close的绝对差值
    diffs = abs(previous_rows['open'] - row['close'])
    # 找到差值最小的行的原始索引
    closest_row_idx = diffs.idxmin()
    return previous_rows.loc[closest_row_idx, 'original_index']

# 为每行添加匹配到的前置行索引
df['closest_prev_open_row'] = df.apply(get_closest_prev_row, axis=1)

# 验证示例结果
print(df[df['original_index'] == 30]['closest_prev_open_row'])  # 输出25
print(df[df['original_index'] == 52]['closest_prev_open_row'])  # 输出14

方法二：Numpy广播（高效处理大数据集） #

如果数据集很大，逐行循环效率较低，可以用Numpy的矩阵运算提升速度：

import pandas as pd
import numpy as np

# 保留原始索引
df = df.reset_index(drop=False).rename(columns={'index': 'original_index'})

# 提取数值数组
close_array = df['close'].values
open_array = df['open'].values

# 创建差值矩阵：每行是当前close与所有open的绝对差
diff_matrix = np.abs(close_array[:, np.newaxis] - open_array[np.newaxis, :])

# 把当前行及之后的行的差值设为无穷大，只保留前置行的差值
np.fill_diagonal(diff_matrix, np.inf)
for i in range(len(diff_matrix)):
    diff_matrix[i, i+1:] = np.inf

# 找到每行差值最小的列索引（对应前置行的位置）
closest_positions = np.argmin(diff_matrix, axis=1)
# 第一行没有前置行，设为NaN
closest_positions[0] = np.nan

# 映射回原始索引
df['closest_prev_open_row'] = df.loc[closest_positions, 'original_index'].values

注意事项 #

• 如果存在多个open值与当前close的差值相同，两种方法都会返回最早出现的那一行
• 若需要返回匹配行的其他信息（比如timestamp、open值），只需修改函数中return的内容即可
• 大数据集优先选择Numpy方法，避免apply的循环开销

内容的提问来源于stack exchange，提问作者Jan