仅当两DataFrame同列x值相同时，计算散点与函数的偏差

核心思路 #

通过按x值关联两个DataFrame，再逐列计算test_df的y值与func_df各函数列的绝对差，完美适配test_df中同一x对应多个y值的场景。

具体步骤 #

1. 统一x列数据类型（避免因类型不匹配导致关联失败）：

import pandas as pd

# 确保x列为数值型
func_df['x'] = pd.to_numeric(func_df['x'])
test_df['x'] = pd.to_numeric(test_df['x'])

2. 按x值关联两个DataFrame：
   使用inner关联只保留两边都存在的x值；若需保留test_df所有行（包括func_df中无匹配x的行），可将how参数改为left。

merged_df = pd.merge(test_df, func_df, on='x', how='inner')

3. 计算各函数列的绝对偏差：
   直接对关联后的DataFrame做逐列运算，自动匹配每一行的对应值：

# 计算每个函数列与test_df中y的绝对差
merged_df['diff_y1'] = abs(merged_df['y'] - merged_df['y1'])
merged_df['diff_y2'] = abs(merged_df['y'] - merged_df['y2'])
merged_df['diff_y3'] = abs(merged_df['y'] - merged_df['y3'])
merged_df['diff_y4'] = abs(merged_df['y'] - merged_df['y4'])

4. 提取结果（可选）：
   如果只需要原始散点数据加偏差结果，可提取指定列：

result_df = merged_df[['x', 'y', 'diff_y1', 'diff_y2', 'diff_y3', 'diff_y4']]

示例验证 #

针对你提到的场景：test_df存在x=-20, y=-1的行，func_df中x=-20对应的y1=-0.839071，计算后diff_y1的值为abs(-1 - (-0.839071)) = 0.160929，完全符合需求。

内容的提问来源于stack exchange，提问作者Peter M