如何在Python中按薪资值的接近程度升序映射两个DataFrame？

现有DataFrame定义 #

import pandas as pd

# 创建df_1
data_set_1 = {
    'id': [1, 2, 3, 4, 5],
    'Available_Salary': [10, 20, 30, 40, 50]
}
df_1 = pd.DataFrame(data_set_1)
print("\n df_1 = \n", df_1)

# 创建df_2
data_set_2 = {
    'id': [1, 2, 3, 4],
    'Expected_Salary': [16, 42, 28, 32]
}
df_2 = pd.DataFrame(data_set_2)
print("\n df_2 = \n", df_2)

需求说明 #

对df_2中的每一条记录（按id区分），计算其Expected_Salary与df_1中所有Available_Salary的差值绝对值，按差值从小到大排序，得到对应的df_1的id和Available_Salary，最终生成包含df_2信息、排序后匹配项的结果DataFrame。

实现代码 #

import pandas as pd

# 定义原始数据
data_set_1 = {'id': [1,2,3,4,5], 'Available_Salary': [10,20,30,40,50]}
df_1 = pd.DataFrame(data_set_1)
data_set_2 = {'id': [1,2,3,4], 'Expected_Salary': [16,42,28,32]}
df_2 = pd.DataFrame(data_set_2)

# 生成全量组合并计算差值绝对值
cross_combined = df_2.assign(temp_key=1).merge(df_1.assign(temp_key=1), on='temp_key').drop('temp_key', axis=1)
cross_combined['abs_diff'] = abs(cross_combined['Expected_Salary'] - cross_combined['Available_Salary'])

# 按df_2的id分组，对差值进行升序排名
cross_combined['match_rank'] = cross_combined.groupby('id_x')['abs_diff'].rank(method='first', ascending=True).astype(int)

# 转换为目标宽表格式
result_df = cross_combined.pivot(
    index=['id_x', 'Expected_Salary'],
    columns='match_rank',
    values=['id_y', 'Available_Salary']
).reset_index()

# 重命名列名，提升可读性
result_df.columns = [
    'df2_id', 'expected_salary',
    'match_id_1', 'match_id_2', 'match_id_3', 'match_id_4', 'match_id_5',
    'match_salary_1', 'match_salary_2', 'match_salary_3', 'match_salary_4', 'match_salary_5'
]

print("\n 结果DataFrame = \n", result_df)

代码解释 #

1. 全量组合生成：通过临时关联键将两个DataFrame做笛卡尔积，得到所有期望薪资与可用薪资的组合。
2. 差值计算：计算每组组合的薪资差值绝对值，作为接近程度的衡量标准。
3. 分组排名：按df_2的id分组，对每组内的差值进行升序排名，确保相同差值时保留原始顺序。
4. 格式转换：用透视表将长表转换为宽表，每一行对应df_2的一条记录，列对应不同排名的匹配结果。
5. 列名优化：将自动生成的多级列名改为直观命名，方便查看。

运行结果 #

输出的结果DataFrame如下：

df2_id  expected_salary  match_id_1  match_id_2  match_id_3  match_id_4  match_id_5  match_salary_1  match_salary_2  match_salary_3  match_salary_4  match_salary_5
0       1               16           2           1           3           4           5              20              10              30              40              50
1       2               42           4           5           3           2           1              40              50              30              20              10
2       3               28           3           2           4           1           5              30              20              40              10              50
3       4               32           3           4           2           5           1              30              40              20              50              10

内容的提问来源于stack exchange，提问作者NN_Developer