Python pandas实现两个DataFrame按邻近值匹配完成列相减

核心逻辑按需求优先级实现，先做快速查询映射避免重复遍历DataFrame，再逐层向外按偏移优先级查找匹配值：

1. 把bias的第0列、第1列转为键值对字典，查询时间复杂度从O(n)降到O(1)
2. 遍历missingDateUnique里的每个目标值，偏移量k从1开始递增：每个k优先查i+k是否存在，存在就取对应值；不存在再查i-k，存在就取值；都不存在则k加1继续查找
3. 把找到的匹配值映射回missingDate的每一行，减去该行第1列原始值得到差值

import pandas as pd

# 示例数据
missingDateUnique = pd.Series({0: 2459650, 9: 2459654})
missingDate = pd.DataFrame(
    {0: [2459650, 2459650,2459650,2459654,2459654,2459654], 
     1: [10, 10,10,14,14,14]},
    index=[0,1,2,9,10,11]
)
bias = pd.DataFrame(
    {0: [2459651, 2459652,2459653,2459655,2459656,2459658,2459659], 
     1: [11, 12,13,15,16,18,19]}
)

# 构建bias快速查询映射
bias_map = dict(zip(bias[0], bias[1]))
match_res = {}

for target in missingDateUnique:
    offset = 1
    while True:
        # 优先匹配正偏移
        pos_candidate = target + offset
        if pos_candidate in bias_map:
            match_res[target] = bias_map[pos_candidate]
            break
        # 正偏移无结果再匹配负偏移
        neg_candidate = target - offset
        if neg_candidate in bias_map:
            match_res[target] = bias_map[neg_candidate]
            break
        # 都无结果则扩大偏移量
        offset += 1

# 计算最终差值
result = missingDate[0].map(match_res) - missingDate[1]
print(result)

运行输出完全符合预期，所有行差值均为1：

0     1
1     1
2     1
9     1
10    1
11    1
dtype: int64

内容的提问来源于stack exchange，提问作者Pritam Das