基于条件从Pandas DataFrame关联Number与最近Capital标签

嘿，我来帮你搞定这个把Number行关联到最近Capital行的问题～首先先修正你现有代码里的一个小错误：你在筛选Country行的时候写了df[1]，这是按位置取列，但你的列名是Label，应该改成df['Label']，否则会报错哦。

接下来，我给你两种高效的实现方式，都能满足你的需求：

方法一：用merge_asof快速匹配（推荐） #

Pandas的merge_asof是专门用来按顺序匹配最近行的工具，非常适合你的场景。它会根据指定的键（这里用文本位置的StartID），为每个Number行找到最近的Capital行。

import pandas as pd

# 读取数据（和你的代码一致，修正了Country筛选的错误）
columnsName =['Token', 'Label', 'StartID', 'EndID']
df = pd.read_csv('resources/testcsv.csv', index_col=0, skip_blank_lines=True, header=0)

# 筛选出Number和Capital行，并保留原索引
df_numbers = df[df['Label'].str.lower() == 'number'].reset_index().rename(columns={'index': 'Number_原索引'})
df_capitals = df[df['Label'].str.lower() == 'capital'].reset_index().rename(columns={'index': 'Capital_原索引'})

# merge_asof要求匹配的键必须是排序好的，所以先按StartID排序
df_numbers_sorted = df_numbers.sort_values('StartID')
df_capitals_sorted = df_capitals.sort_values('StartID')

# 匹配最近的Capital行，direction='nearest'表示找前后最接近的
merged_result = pd.merge_asof(
    df_numbers_sorted,
    df_capitals_sorted,
    on='StartID',
    direction='nearest'
)

# 展示关键结果：Number行和对应的Capital行信息
print(merged_result[['Number_原索引', 'Token_x', 'Label_x', 'Capital_原索引', 'Token_y', 'Label_y']])

运行后你会得到这样的结果：

Number_原索引      Token_x Label_x  Capital_原索引 Token_y Label_y
0            3  four million  Number              1  Berlin Capital
1            6   ten million  Number              7  London Capital

完全符合你想要的关联：第3行（four million）关联到第1行（Berlin），第6行（ten million）关联到第7行（London）。

如果只想匹配当前Number行之前的最近Capital，把direction='nearest'改成direction='backward'；如果只想匹配之后的，改成direction='forward'即可。

方法二：手动遍历匹配（适合理解逻辑） #

如果你想更直观地理解匹配过程，可以手动遍历每个Number行，计算它和所有Capital行的位置差，找到最近的那个：

import pandas as pd

# 读取数据（同样修正了Country筛选的错误）
columnsName =['Token', 'Label', 'StartID', 'EndID']
df = pd.read_csv('resources/testcsv.csv', index_col=0, skip_blank_lines=True, header=0)

# 筛选Number和Capital行
df_numbers = df[df['Label'].str.lower() == 'number']
df_capitals = df[df['Label'].str.lower() == 'capital']

# 提取Capital行的索引和StartID，方便后续计算
capital_indices = df_capitals.index.tolist()
capital_starts = df_capitals['StartID'].tolist()

# 逐个处理每个Number行
match_results = []
for num_idx, num_row in df_numbers.iterrows():
    num_start = num_row['StartID']
    # 计算当前Number行与每个Capital行的位置差绝对值
    distance = [abs(num_start - cap_start) for cap_start in capital_starts]
    # 找到距离最小的Capital行的索引
    closest_cap_idx = capital_indices[distance.index(min(distance))]
    closest_cap_row = df.loc[closest_cap_idx]
    # 保存匹配结果
    match_results.append({
        'Number_原索引': num_idx,
        'Number_Token': num_row['Token'],
        'Capital_原索引': closest_cap_idx,
        'Capital_Token': closest_cap_row['Token']
    })

# 转成DataFrame查看结果
result_df = pd.DataFrame(match_results)
print(result_df)

这个方法的结果和第一种完全一致，适合用来理解背后的匹配逻辑。

内容的提问来源于stack exchange，提问作者Betafish