如何在两个DataFrame中比对坐标并实现关联匹配？

核心思路 #

直接逐行判断两个DataFrame的交互效率极低，正确的做法是先通过交叉连接生成所有行对，筛选满足条件的组合，再根据自定义规则选出每个df1行的最佳匹配项，最后合并回原df1。

具体实现步骤 #

以下是基于pandas的完整代码示例：

1. 交叉连接生成所有行对
   给两个DataFrame添加临时键，实现全量行组合：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'x1': [0, 0],
    'y1': [0, 0],
    'x2': [1240, 1240],
    'y2': [1755, 2],
    'label': ['label1', 'label2']
})

df2 = pd.DataFrame({
    'x1': [992.0, 1110.0],
    'y1': [943.0, 864.0],
    'x2': [1166.0, 1166.0],
    'y2': [974.0, 890.0],
    'text': ['tex1', 'text2']
})

# 交叉连接
df_merged = df1.assign(key=1).merge(df2.assign(key=1), on='key').drop('key', axis=1)

2. 筛选满足条件的行对
   使用query方法快速过滤符合x1_x >= x1_y or y1_x >= y1_y的行（后缀_x来自df1，_y来自df2）：

df_filtered = df_merged.query('x1_x >= x1_y or y1_x >= y1_y')

3. 定义并筛选最佳匹配
   这里以选择df2中x1最大的行作为示例规则，你可以根据需求替换（比如距离最近、y1最小等）：

# 按df1的唯一标识分组，每组选x1_y最大的行对应的text
best_matches = df_filtered.groupby(['x1_x', 'y1_x', 'x2_x', 'y2_x', 'label']).apply(
    lambda group: group.loc[group['x1_y'].idxmax(), 'text']
).reset_index(name='text')

如果需要基于距离筛选（比如欧氏距离最小），可以先计算距离列再筛选：

# 计算df1与df2行的欧氏距离
df_filtered['distance'] = ((df_filtered['x1_x'] - df_filtered['x1_y'])**2 + 
                           (df_filtered['y1_x'] - df_filtered['y1_y'])**2)**0.5

# 选距离最小的匹配项
best_matches = df_filtered.groupby(['x1_x', 'y1_x', 'x2_x', 'y2_x', 'label']).apply(
    lambda group: group.loc[group['distance'].idxmin(), 'text']
).reset_index(name='text')

4. 合并结果回df1
   使用merge将最佳匹配的text列添加到df1中，无匹配项会填充NaN：

df1 = df1.merge(best_matches, 
                left_on=['x1', 'y1', 'x2', 'y2', 'label'], 
                right_on=['x1_x', 'y1_x', 'x2_x', 'y2_x', 'label'],
                how='left').drop(['x1_x', 'y1_x', 'x2_x', 'y2_x'], axis=1)

关键说明 #

• 交叉连接会生成len(df1)*len(df2)行数据，若数据量极大，可考虑使用numpy向量化运算或分块处理优化性能。
• 最佳匹配规则需根据业务需求自定义，上述示例仅为参考，你可以替换idxmax/idxmin为其他逻辑（比如排序后取第一行）。

内容的提问来源于stack exchange，提问作者Yana