统计DataFrame单元格值在另一DataFrame中的出现次数（含容差）

现有两个结构一致的DataFrame：
dfA：

dfB：

需求：给dfA新增Occurrences列，统计每个Price值在dfB中满足1%容差（即Price×0.99 ≤ 目标Price ≤ Price×1.01）的出现次数，预期结果如下：

请问能否避免迭代实现？是否可使用merge_asof结合分组统计的方法？

回答 #

完全可以避免迭代，merge_asof结合分组的思路可行，同时还有性能更优的批量统计方案，以下是具体实现：

方案1：高效批量统计（无迭代，适合大数据量） #

利用排序后的二分查找快速定位容差区间，直接计算匹配次数，全程无循环：

import pandas as pd

# 构造示例数据
dfA = pd.DataFrame({'Price': [10.21, 12.21]})
dfB = pd.DataFrame({'Price': [10.21, 10.24, 11.32, 12.21]})

# 对dfB的Price排序（二分查找的必要前提）
dfB_sorted_prices = dfB['Price'].sort_values().values

# 计算dfA每个Price的1%容差上下限
dfA['lower'] = dfA['Price'] * 0.99
dfA['upper'] = dfA['Price'] * 1.01

# 用searchsorted定位区间边界，计算匹配次数
dfA['Occurrences'] = [
    dfB_sorted_prices.searchsorted(upper, side='right') - dfB_sorted_prices.searchsorted(lower, side='left')
    for lower, upper in zip(dfA['lower'], dfA['upper'])
]

# 整理得到结果
result = dfA[['Price', 'Occurrences']]

方案2：merge_asof+分组（满足需求的思路） #

merge_asof本身是有序近邻匹配工具，要实现计数需要先关联所有符合条件的记录，再分组统计：

# 排序数据（merge_asof要求左右表按连接键排序）
dfA_sorted = dfA.sort_values('Price').reset_index()
dfB_sorted = dfB.sort_values('Price').reset_index(drop=True)

# 计算容差范围
dfA_sorted['lower'] = dfA_sorted['Price'] * 0.99
dfA_sorted['upper'] = dfA_sorted['Price'] * 1.01

# 交叉连接所有记录，过滤出符合容差的条目
cross_join = dfA_sorted.merge(dfB_sorted, how='cross')
filtered_records = cross_join[(cross_join['Price_y'] >= cross_join['lower']) & (cross_join['Price_y'] <= cross_join['upper'])]

# 按dfA原索引分组统计匹配次数
counts = filtered_records.groupby('index')['Price_y'].count().rename('Occurrences')

# 合并回原dfA得到结果
result = dfA.join(counts)

方案3：分组优化（针对dfA有重复Price的场景） #

如果dfA存在重复Price值，先按Price分组计算每组的匹配次数，再合并回原表：

dfB_sorted_prices = dfB['Price'].sort_values().values

# 对dfA按Price分组，计算每组的容差匹配次数
price_counts = dfA.groupby('Price').apply(
    lambda x: dfB_sorted_prices.searchsorted(x['Price'].iloc[0]*1.01, side='right') - 
              dfB_sorted_prices.searchsorted(x['Price'].iloc[0]*0.99, side='left')
).rename('Occurrences').reset_index()

# 合并回原dfA得到结果
result = dfA.merge(price_counts, on='Price', how='left')

结论 #

• 所有方案都完全避免了迭代操作，效率远高于循环遍历。
• merge_asof更适合一对一的近邻匹配场景，交叉连接+分组的方式可行但数据量大时内存占用较高；二分查找+区间统计是性能最优的方案。

内容的提问来源于stack exchange，提问作者cksrc