如何在Pandas DataFrame多列中获取与指定值最接近的高低值

下面提供两种实现方式，分别适合小数据集的直观处理和大数据集的高效矢量化运算：

方法一：逐行处理（直观易懂） #

通过apply函数对每行数据单独处理，逻辑清晰，适合理解和调试：

import pandas as pd

# 构造原始DataFrame
id = [1001, 1002, 1003]
a = [156, 224, 67]             
b = [131, 203, 61]           
c = [97, 165, 54]        
d = [68, 122, 50]
value = [71, 180, 66]

df = pd.DataFrame({'id':id, 'a':a, 'b':b, 'c':c, 'd':d, 'value':value})

def get_nxt_values(row):
    # 提取当前行的a-d列数值
    col_values = row[['a', 'b', 'c', 'd']].values
    current_value = row['value']
    
    # 筛选小于value的数值，取最大值作为nxt_low
    lower_vals = col_values[col_values < current_value]
    nxt_low = lower_vals.max() if len(lower_vals) > 0 else None
    
    # 筛选大于value的数值，取最小值作为nxt_high
    higher_vals = col_values[col_values > current_value]
    nxt_high = higher_vals.min() if len(higher_vals) > 0 else None
    
    return pd.Series([nxt_low, nxt_high], index=['nxt_low', 'nxt_high'])

# 应用函数到每行，生成新列
df[['nxt_low', 'nxt_high']] = df.apply(get_nxt_values, axis=1)

print(df)

运行后输出结果：

id    a    b    c    d  value  nxt_low  nxt_high
0  1001  156  131   97   68     71       68        97
1  1002  224  203  165  122    180      165       203
2  1003   67   61   54   50     66       61        67

方法二：矢量化运算（高效处理大数据集） #

利用numpy广播特性，避免逐行循环，处理大规模数据时性能更优：

import pandas as pd
import numpy as np

# 构造原始DataFrame
id = [1001, 1002, 1003]
a = [156, 224, 67]             
b = [131, 203, 61]           
c = [97, 165, 54]        
d = [68, 122, 50]
value = [71, 180, 66]

df = pd.DataFrame({'id':id, 'a':a, 'b':b, 'c':c, 'd':d, 'value':value})

# 提取a-d列转为二维数组，value转为列向量（用于广播）
ad_array = df[['a', 'b', 'c', 'd']].to_numpy()
value_array = df['value'].to_numpy()[:, np.newaxis]

# 计算nxt_low：每行中小于value的最大值
lower_mask = ad_array < value_array
# 将不满足条件的数值替换为负无穷，再取每行最大值
nxt_low = np.where(
    lower_mask.any(axis=1),
    np.max(np.where(lower_mask, ad_array, -np.inf), axis=1),
    None
)

# 计算nxt_high：每行中大于value的最小值
higher_mask = ad_array > value_array
# 将不满足条件的数值替换为正无穷，再取每行最小值
nxt_high = np.where(
    higher_mask.any(axis=1),
    np.min(np.where(higher_mask, ad_array, np.inf), axis=1),
    None
)

# 将结果赋值回DataFrame
df['nxt_low'] = nxt_low
df['nxt_high'] = nxt_high

print(df)

此方法输出结果与方法一完全一致，但处理十万级以上数据时，速度会远快于逐行处理。

内容的提问来源于stack exchange，提问作者wsilva916