如何按价格精确匹配或±1%范围过滤Pandas DataFrame？

需求说明 #

现有两个结构一致的Pandas DataFrame，其中DataFrame B是DataFrame A的子集。需对DataFrame B进行过滤，仅保留以下两类行：

• 价格与DataFrame A中某一价格完全匹配
• 价格处于DataFrame A中某一价格的±1%范围内

示例数据 #

DataFrame A #

DataFrame B #

期望过滤结果 #

初始化代码 #

import pandas as pd

dfA = pd.DataFrame({'index': [0, 1, 2, 3, 4],
        'price': [20.23, 10.34, 5.28, 12.25, 12.32]})

dfB = pd.DataFrame({'index': [0, 1, 2],
        'price': [0.23, 10.34, 5.26]})

现有问题 #

当前仅能实现精确匹配的代码：

dfB[dfB['price'].isin(dfA['price'])]

该代码无法覆盖价格在±1%范围内的匹配需求。

解决方案 #

方法1：遍历检查（适合小数据量） #

通过遍历DataFrame A的价格区间，判断DataFrame B的价格是否符合条件：

# 计算DataFrame A中每个价格的±1%区间
price_ranges = dfA['price'].apply(lambda x: (x * 0.99, x * 1.01))

# 定义检查函数：判断价格是否在任意一个区间内
def check_price_in_range(price):
    return any(lower <= price <= upper for lower, upper in price_ranges)

# 过滤DataFrame B
filtered_dfB = dfB[dfB['price'].apply(check_price_in_range)]

print(filtered_dfB)

方法2：广播向量运算（适合大数据量） #

利用NumPy广播机制实现高效的批量判断，避免循环：

# 提取价格数组
prices_a = dfA['price'].values[:, None]  # 转换为列向量，用于广播
prices_b = dfB['price'].values

# 生成匹配掩码：B中每个价格是否在A中任意价格的±1%范围内
mask = ((prices_b >= prices_a * 0.99) & (prices_b <= prices_a * 1.01)).any(axis=0)

# 过滤得到结果
filtered_dfB = dfB[mask]

print(filtered_dfB)

两种方法运行后均会输出期望的过滤结果：

index   price
1      1  10.34
2      2   5.26

内容的提问来源于stack exchange，提问作者cksrc