基于条件匹配Pandas列：按区域+最小距离填充Category列

需求说明 #

现有两个Pandas DataFrame：

• 查找表lookup_data_df：存储各区域对应的Category及参考距离
• 待处理表actual_df：需新增Category列，规则如下：
  1. 优先匹配相同区域，选择与当前行Distance差值绝对值最小的Category；若差值相同，选参考距离更小的
  2. 若区域在查找表中不存在，直接在全局范围内选择与当前行Distance差值绝对值最小的Category；若差值相同，选参考距离更小的

生成测试数据 #

import pandas as pd

# 生成查找表
lookup_data = {'Category' : ['A1', 'A2', 'B1', 'C1', 'D1', 'D2'],
               'Region':['A', 'A', 'B', 'C', 'D', 'D'],
                'Distance':[109, 200, 300, 400, 500, 600]}
lookup_data_df = pd.DataFrame(lookup_data)

# 生成待处理数据表
actual_data = {'Region':['A', 'A', 'B', 'C', 'D', 'D', 'E'],
               'Distance':[95, 199, 10, 350, 550, 560, 200]}
actual_df = pd.DataFrame(actual_data)

无循环解决方案 #

# 给待处理表添加唯一索引，用于后续分组
actual_df['idx'] = actual_df.index

# 笛卡尔积合并两个表，生成所有可能的匹配组合
merged = actual_df.merge(lookup_data_df, how='cross', suffixes=('_actual', '_lookup'))

# 计算距离差值绝对值，标记是否同区域
merged['abs_diff'] = abs(merged['Distance_actual'] - merged['Distance_lookup'])
merged['same_region'] = merged['Region_actual'] == merged['Region_lookup']

# 定义分组匹配逻辑：优先同区域，再按差值、参考距离排序取最优
def get_best_match(group):
    same_region_rows = group[group['same_region']]
    if not same_region_rows.empty:
        return same_region_rows.sort_values(['abs_diff', 'Distance_lookup']).iloc[0]['Category']
    else:
        return group.sort_values(['abs_diff', 'Distance_lookup']).iloc[0]['Category']

# 分组应用匹配逻辑，获取每个行的Category
result = merged.groupby('idx').apply(get_best_match).reset_index(name='Category')

# 合并回原表，整理列顺序
final_df = actual_df.merge(result, on='idx').drop('idx', axis=1)
final_df = final_df[['Region', 'Category', 'Distance']]

验证结果 #

生成预期输出并对比：

# 生成预期输出表
expected_data = {'Region':['A', 'A', 'B', 'C', 'D', 'D', 'E'],
               'Category' : ['A1', 'A2', 'B1', 'C1', 'D1', 'D2', 'A2'],
               'Distance':[95, 199, 10, 350, 550, 560, 200]}
expected_data_df = pd.DataFrame(expected_data)

# 检查结果是否一致
print(final_df.equals(expected_data_df))  # 输出 True

内容的提问来源于stack exchange，提问作者Lopez