如何用Pandas查找DataFrame多段数据中最接近指定值的行索引

要实现按x列的连续分段获取每段最接近20的行索引，核心是先给每个连续段打上分组标签，再按分组计算目标索引。

步骤1：构造测试数据 #

先模拟符合需求的DataFrame（包含多段连续递增的x列，el1/el2/el3为无关列）：

import pandas as pd
import numpy as np

# 构造三段连续递增的x数据
x1 = np.linspace(6, 31, 50)
x2 = np.linspace(7, 45, 60)
x3 = np.linspace(2, 27, 40)
x = np.concatenate([x1, x2, x3])

# 生成DataFrame
df = pd.DataFrame({
    'el1': np.random.rand(len(x)),
    'el2': np.random.rand(len(x)),
    'el3': np.random.rand(len(x)),
    'x': x
})

步骤2：标记连续分段 #

这里假设连续段是递增序列（段与段之间x值会突然回落），通过判断当前x是否小于前一行x来标记新段，用cumsum()生成分组标签：

# 标记分段：当x小于前一行时，视为新段的开始
df['segment'] = (df['x'] < df['x'].shift(1)).cumsum()

如果你的连续段是其他规则（比如递减、或相邻差值超过阈值），只需调整括号内的判断逻辑：

# 示例：相邻x差值绝对值>5时视为新段
df['segment'] = (df['x'].diff().abs() > 5).cumsum()

步骤3：按分组获取每段最接近20的索引 #

用groupby结合apply，对每个分组计算x与20的绝对差的最小索引：

# 按分组计算每段最接近20的行索引
closest_indices = df.groupby('segment')['x'].apply(
    lambda s: s.sub(20).abs().idxmin()
).tolist()

print(closest_indices)

运行后会得到每个连续段中x最接近20的行索引列表，对应你示例中的19.3、19.8、19.9所在的索引。

补充说明 #

• 若不需要保留segment列，可在计算后用df.drop('segment', axis=1)删除。
• 若x列的连续段规则更复杂（比如非单调的连续区间），只需调整分段标记的逻辑，核心分组计算部分保持不变。

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