DataFrame中指定值的上下邻近值查找问题

首先，你的问题核心是要找到小于等于目标值的最大值（最近下界）和大于等于目标值的最小值（最近上界），而不是单纯找两个距离最近的数——这也是你之前用df.iloc[(df[0]-value).abs().argsort()[:2]]失败的原因：这个方法会返回距离最近的两个数，但它们可能都在目标值的同一侧（比如都比目标值大或都小），无法满足你对上下界的要求。

下面是针对这个需求的具体解决方案：

核心实现步骤 #

假设你的DataFrame名为df，目标值为target：

1. 获取最近下界（小于等于目标值的最大值）

   # 筛选所有<=目标值的行，取第0列的最大值
   lower_bound_value = df[df[0] <= target][0].max()
   # 拿到对应整行数据
   lower_bound_row = df[df[0] == lower_bound_value]
   

2. 获取最近上界（大于等于目标值的最小值）

   # 筛选所有>=目标值的行，取第0列的最小值
   upper_bound_value = df[df[0] >= target][0].min()
   # 拿到对应整行数据
   upper_bound_row = df[df[0] == upper_bound_value]
   

3. 特殊场景处理

   • 如果目标值正好存在于DataFrame中（比如你的例子中12.3），上下界的筛选会自动匹配到对应的前后值
   • 如果目标值大于所有数据，上界会返回NaN，可根据需求自定义处理（比如返回最大的数值作为上界）
   • 如果目标值小于所有数据，下界会返回NaN，同理处理

针对你示例的测试验证 #

比如查找target=15.9：

target = 15.9
lower_bound_value = df[df[0] <= target][0].max()  # 结果为 14.633333
upper_bound_value = df[df[0] >= target][0].min()  # 结果为 15.9（正好匹配到存在的值）

再比如查找target=12.3：

target = 12.3
lower_bound_value = df[df[0] <= target][0].max()  # 结果为 11.642857
upper_bound_value = df[df[0] >= target][0].min()  # 结果为 12.660000

完全符合你的预期要求。

进阶：封装成函数获取上下界行数据 #

如果你希望直接拿到上下界对应的整行数据，可以封装成一个函数：

import pandas as pd

def get_nearest_bounds(df, target):
    # 取最近下界的行
    lower_row = df[df[0] <= target].nlargest(1, 0)
    # 取最近上界的行
    upper_row = df[df[0] >= target].nsmallest(1, 0)
    # 合并结果返回
    return pd.concat([lower_row, upper_row])

# 使用示例
bounds_result = get_nearest_bounds(df, 12.3)
print(bounds_result)

内容的提问来源于stack exchange，提问作者LMendes