如何查找指定值在已排序pandas DataFrame中的插入行索引

你的需求本质是在按x、y列升序排列的表中，做字典序的二分查找定位插入点，直接用Pandas内置的searchsorted方法即可实现，时间复杂度为O(logn)，远优于逐行遍历的方案。

代码实现 #

import pandas as pd

# 示例数据
value = [3, 2.5]
df = pd.DataFrame({'x':[1,1,1,2,2,2,3,3,3], 'y':[1,2,3,1,2,3,1,2,3]})

# 构建和排序规则一致的多重索引
sorted_multi_idx = pd.MultiIndex.from_arrays([df['x'], df['y']])
# 二分查找插入位置，side='left'保证返回符合要求的较小索引
insert_pos = sorted_multi_idx.searchsorted(tuple(value), side='left')[0]

print(insert_pos) # 输出8，和预期结果一致

说明 #

• 该方法的前提是DataFrame已经严格按照x列优先、y列次之的升序规则排序，和你给出的示例状态一致。
• side='left'参数的作用是：如果表中已经存在和目标值完全相等的行，会返回第一个匹配行的位置，始终满足“取较小索引”的要求。
• 如果需要获取插入位置前最后一个小于目标值的行的0基序号，直接对结果减1即可。

可选实现（基于Numpy） #

如果不想使用MultiIndex，也可以转为Numpy结构化数组实现相同效果：

import numpy as np

# 构建支持多字段比较的结构化数组
dtype = [('x', df['x'].dtype), ('y', df['y'].dtype)]
sorted_arr = df[['x', 'y']].to_numpy().ravel(dtype)
target = np.array(tuple(value), dtype=dtype)

insert_pos = np.searchsorted(sorted_arr, target, side='left')
print(insert_pos) # 同样输出8

内容的提问来源于stack exchange，提问作者Yun Tae Hwang