求助：基于类别匹配指定ID附近N个同类别ID（排除自身）的算法问题

原代码依赖np.roll的滚动切片逻辑，仅在n_matches为偶数时能正确选取目标id前后的元素，但奇数场景下存在两个核心问题：

1. roll_length = n_matches//2的计算会导致左右选取数量不对称，且滚动后的切片范围无法精准匹配目标id的前后位置
2. idx的计算逻辑（基于len(grouped_df.loc[label][(id):])）在奇数N时会引发偏移，导致选取的元素并非目标id的前后项

直接通过索引位置计算的方式，更直观且能兼容奇偶场景，同时处理边界情况（比如目标id在列表开头/结尾时的补位逻辑）：

def rolling_match(target_id, n_matches=3):
    # 获取目标id对应的类别
    label = label_df.loc[target_id][0]
    # 提取该类别下按出现次数排序的id列表
    category_ids = grouped_df.loc[label].index.tolist()
    # 找到目标id在列表中的索引位置（0-based）
    target_pos = category_ids.index(target_id)
    total_ids = len(category_ids)
    
    # 初始化左右选取数量：奇数时右侧多取1个，偶数时对称分配
    left_count = n_matches // 2
    right_count = n_matches - left_count
    
    # 处理边界补位：左边id不足时，从右侧补；右侧id不足时，从左侧补
    available_left = target_pos
    available_right = total_ids - target_pos - 1
    
    if available_left < left_count:
        need_more = left_count - available_left
        left_count = available_left
        right_count += need_more
    if available_right < right_count:
        need_more = right_count - available_right
        right_count = available_right
        left_count += need_more
    
    # 确保数量不为负数（极端场景：类别内id总数≤n_matches+1时，取除自身外的所有id）
    left_count = max(0, left_count)
    right_count = max(0, right_count)
    
    # 提取目标id前后的元素，排除自身
    selected_ids = category_ids[target_pos - left_count : target_pos] + category_ids[target_pos+1 : target_pos+1+right_count]
    
    # 返回对应的名称数据
    return label_df.loc[selected_ids]

1. 先定位目标id的类别和在排序列表中的位置
2. 根据n_matches分配初始的左右选取数量，奇数场景默认右侧多取1个（若需要对称可调整为左侧多取，只需修改right_count = n_matches - left_count为left_count = n_matches - right_count）
3. 自动处理边界：当目标id在列表头部/尾部时，自动将不足的数量从另一侧补充，确保总能取到n_matches个结果（类别内id总数不足时取所有非自身id）
4. 直接通过切片提取目标id前后的元素，逻辑清晰且无滚动偏移问题

内容的提问来源于stack exchange，提问作者Short and Fuzzy