在Pandas中匹配与BestOdds%最接近的Home%/Draw%/Away%值

假设你的足球赔率数据已存入名为df的Pandas数据框，包含Home%、Draw%、Away%和BestOdds%列，以下是两种实现ClosestMatch列的方法：

方法一：逐行处理（适合小数据集） #

import pandas as pd
import numpy as np

def get_closest_value(row):
    # 提取需要对比的三个百分比列
    target_values = row[['Home%', 'Draw%', 'Away%']]
    # 计算每个值与BestOdds%的绝对差值
    differences = np.abs(target_values - row['BestOdds%'])
    # 返回差值最小的对应值
    return target_values[differences.idxmin()]

# 新增ClosestMatch列
df['ClosestMatch'] = df.apply(get_closest_value, axis=1)

方法二：向量化运算（适合大数据集，效率更高） #

如果数据集行数较多，推荐使用numpy矩阵运算避免逐行循环的性能损耗：

import pandas as pd
import numpy as np

# 定义需要对比的列名
compare_cols = ['Home%', 'Draw%', 'Away%']

# 构建差值矩阵：每行是三个列与BestOdds%的绝对差值
diff_matrix = np.abs(df[compare_cols].values - df['BestOdds%'].values.reshape(-1, 1))
# 找到每行差值最小的列索引
min_col_indices = np.argmin(diff_matrix, axis=1)
# 根据索引提取对应的值，赋值给新列
df['ClosestMatch'] = df[compare_cols].values[np.arange(len(df)), min_col_indices]

核心逻辑 #

两种方法的本质都是：

1. 计算Home%、Draw%、Away%分别与BestOdds%的绝对差值
2. 找出差值最小的那个百分比值，存入ClosestMatch列

内容的提问来源于stack exchange，提问作者Paul Corcoran