如何在Pandas DataFrame中定位最小值行并获取对应disp列值

问题原因 #

你遇到的两个核心问题：

1. 方法误用：index.get_indexer([min_diff])是用来查找DataFrame索引值的位置，而非某一列中的值，完全不适用当前场景。
2. 浮点数精度误差：即使min_diff是abs_loaddiff列的最小值，由于浮点数的二进制存储特性，直接用精确值匹配可能失败，导致找不到对应行。

正确解决方案 #

方法1：直接用idxmin()（最简便）

idxmin()会直接返回指定列最小值所在的行索引，无需处理精度问题：

# 获取abs_loaddiff最小值对应的行索引
min_row_index = df['abs_loaddiff'].idxmin()
# 提取该行的disp列值
target_disp_value = df.loc[min_row_index, 'disp']
print(target_disp_value)

方法2：带精度阈值的布尔匹配（应对极端精度场景）

如果担心浮点数精度导致idxmin()出现异常，可以设置一个极小的阈值，匹配与min_diff接近的行：

# 设置精度阈值（可根据需求调整）
precision_threshold = 1e-9
# 筛选出abs_loaddiff与min_diff差值小于阈值的行
matching_rows = df[df['abs_loaddiff'].sub(min_diff).abs() < precision_threshold]
# 提取disp值（若有多个匹配行，取第一个）
target_disp_value = matching_rows['disp'].iloc[0]
print(target_disp_value)

修正后的完整代码 #

注意原代码中laoddevelopment-lastline_reduced会报错（列表无法直接与标量做减法），已一并修正：

import numpy as np
import pandas as pd

specificload_reading = np.loadtxt('pannelloBschema1_0.t19.glo', skiprows = 2)

lastline = (specificload_reading[-1][1] + specificload_reading[-1][2])/1000
lastline_reduced = 0.7 * lastline
laoddevelopment = [(el[2]+el[1])/1000 for el in specificload_reading]
dispdevelopment = [-el*1000 for el in specificload_reading[:,0]]

data = {
    "disp": dispdevelopment,
    "load": laoddevelopment,
    "70%load": lastline_reduced,
    "load_diff": np.array(laoddevelopment) - lastline_reduced  # 转numpy数组支持标量减法
}

df = pd.DataFrame(data)

df['abs_loaddiff']= (df['load'] - df['70%load']).abs()

somerows = df.iloc[0:3]
print(somerows)

min_diff = df['abs_loaddiff'].min()
print(min_diff) #>>> 0.7222780000000029

# 方案1：用idxmin获取对应disp值
min_row_index = df['abs_loaddiff'].idxmin()
target_disp = df.loc[min_row_index, 'disp']
print(f"对应disp值：{target_disp}")

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