如何在Pandas中基于percent_perfect列最小绝对值获取对应median_sale_price值？

你已经成功获取了每行中绝对值最小的percent_perfect列名，接下来只需要将这些列名映射到对应的median_sale_price列，再提取对应值即可。以下是两种高效实现方式：

方法一：批量替换列名 + 高效取值（推荐大数据集） #

# 获取每行绝对值最小的percent_perfect列名
min_perfect_cols = df.filter(like='percent_perfect_').abs().idxmin(axis=1)

# 替换列名前缀，得到对应的median_sale_price列名
median_cols = min_perfect_cols.str.replace('percent_perfect_', 'median_sale_price_')

# 提取对应价格值，添加为新列
df['group_price'] = df.lookup(df.index, median_cols)

方法二：逐行匹配（适合小数据集，逻辑更直观） #

def get_matching_price(row):
    # 找到当前行绝对值最小的percent_perfect列
    min_col = row.filter(like='percent_perfect_').abs().idxmin()
    # 转换为对应的价格列名
    price_col = min_col.replace('percent_perfect_', 'median_sale_price_')
    return row[price_col]

df['group_price'] = df.apply(get_matching_price, axis=1)

关键逻辑说明 #

两种方法的核心都是利用列名的对应关系：percent_perfect_xxx_diff和median_sale_price_xxx的后缀（1-5/6-10等）完全匹配，只需替换前缀即可完成映射。其中方法一的df.lookup是向量化操作，比逐行apply效率更高，适合处理大规模数据。

内容的提问来源于stack exchange，提问作者biviz