如何在Pandas中为DataFrame值匹配最接近的上下限对应列

数据定义 #

import pandas as pd
import numpy as np

df2 = pd.DataFrame({
    5000: [1000,1500,2000,2500,3000,3500,4000,5000],
    10000: [1000,2000,3000,5000,7500,8500,95000,10000],
    100000: [1000,2000,5000,10000,20000,50000,75000,100000]
})
df1 = pd.DataFrame({'value': [2000,45000,4000,20000]})

需求说明 #

针对df1中的每个value值，在df2的列名中找到：

• 最接近且小于该值的列名（若不存在则为NaN）
• 最接近且大于该值的列名（若不存在则为NaN）

高效实现方案 #

利用numpy的向量化搜索操作，避免逐行循环，大幅提升处理效率：

# 提取并排序df2的列名（确保逻辑通用性，即使列名无序也能正常工作）
cols = np.sort(df2.columns.values)

# 用searchsorted快速定位每个value在列名数组中的插入位置
positions = np.searchsorted(cols, df1['value'], side='left')

# 根据位置生成上下限结果
df1['closest_lower'] = np.where(positions == 0, np.nan, cols[positions - 1])
df1['closest_upper'] = np.where(positions == len(cols), np.nan, cols[positions])

输出结果 #

执行后df1的内容如下：

方案优势 #

使用numpy的向量化操作替代Python循环，在处理大规模数据时性能提升明显，同时代码简洁易维护，逻辑通用（无需依赖列名的初始排序）。

内容的提问来源于stack exchange，提问作者David