如何根据给定X、Y近似值获取CSV中对应Z值？

我的CSV文件包含X、Y、Z三列，三者无公式关联。需要根据公式计算得到的X、Y值，从CSV数据中获取对应的Z值；但计算出的X、Y值有时与CSV中的数据不完全匹配，希望匹配到最接近的现有数据并获取其Z值。

示例CSV数据：

当给定X=-16.331、Y=35.522时，期望获取Z=690。

我已尝试读取CSV，但不知如何实现近似匹配并获取Z值，当前代码如下：

with open('example.csv') as Ex:
    csv_reader = csv.reader(Ex)
    for row in csv_reader:
        X = row[3]
        Y = row[2]
        if X == 12.9165922:
            if Y == 15.2604115:
                (get corresponding Z value)

核心思路是计算目标X、Y与CSV中每一行X、Y的欧氏距离（二维坐标下的接近度判断），找到距离最小的行对应的Z值。

具体实现步骤 #

• 读取CSV时跳过表头，将每行的X、Y转为浮点数，同时存储Z值
• 定义目标X、Y值，遍历所有数据行计算距离
• 记录最小距离对应的Z值

完整代码示例 #

import csv
import math

def find_closest_z(target_x, target_y, csv_file):
    min_distance = float('inf')
    closest_z = None
    
    with open(csv_file, 'r') as f:
        csv_reader = csv.reader(f)
        next(csv_reader)  # 跳过表头
        
        for row in csv_reader:
            # 注意：根据你的CSV实际列顺序调整索引，示例中X=第0列，Y=第1列，Z=第2列
            try:
                x = float(row[0])
                y = float(row[1])
                z = int(row[2])
            except ValueError:
                continue  # 跳过格式错误的无效行
            
            # 计算距离平方（省略开根号，不影响最小距离判断，提升效率）
            distance_sq = (x - target_x)**2 + (y - target_y)**2
            if distance_sq < min_distance:
                min_distance = distance_sq
                closest_z = z
    
    return closest_z

# 测试示例
target_x = -16.331
target_y = 35.522
result_z = find_closest_z(target_x, target_y, 'example.csv')
print(f"匹配到的Z值：{result_z}")

关键注意点 #

• 数据类型转换：必须将CSV中的字符串转为数值类型，否则无法进行距离计算。
• 索引修正：原代码中row[3]和row[2]大概率是列索引错误，需根据你的CSV实际结构调整索引位置。
• 异常处理：跳过转换失败的行，避免程序因无效数据崩溃。

内容的提问来源于stack exchange，提问作者Aatif Zia