Python Pandas 如何构建反映儿童年龄接近度的DataFrame排名

核心思路是把"年龄差"作为相近度的衡量标准（年龄差越小代表越相近），同时配套基础年龄排名字段，最终输出的交叉对比表可以同时看到排位信息和两两年龄差距，完全匹配你的展示需求。

步骤1：补充基础年龄排名 #

直接用pandas内置的rank方法给原表追加排名字段，不需要手动排序循环：

# 按年龄从高到低排名，相同年龄用最小排名值标注
df['Age_Rank'] = df['Age'].rank(ascending=False, method='min').astype(int)

跑完这一步原表就会变成带排名的结构化数据：

步骤2：构建两两年龄差矩阵（核心的相近度计算） #

用pandas的向量化运算直接生成交叉差值矩阵，避免手写双重循环的低效率：

# 将姓名设为索引，取出年龄值
age_series = df.set_index('Name')['Age']
# 计算任意两个人的年龄绝对差值
age_diff_matrix = (age_series - age_series.to_frame().T).abs()

这个矩阵的每个单元格数值，就是行对应儿童和列对应儿童的年龄差——数值越小，代表两人年龄越接近。

步骤3：生成可视化对比表（匹配你预期的展示效果） #

基于上面的差值矩阵，用热力图做梯度渲染：

• 差值越小的单元格用浅色调标注，差值越大用深色调区分，一眼就能看出谁和谁年龄接近；
• 在坐标轴的姓名旁边追加对应的年龄排名，不需要额外跳转表格就能看到排位信息。

完整可运行的代码如下：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 载入原始数据
data = [['tom', 10], ['nick', 15], ['juli', 14]] 
df = pd.DataFrame(data, columns = ['Name', 'Age']) 

# 追加年龄排名
df['Age_Rank'] = df['Age'].rank(ascending=False, method='min').astype(int)

# 构建年龄差矩阵
age_series = df.set_index('Name')['Age']
age_diff_matrix = (age_series - age_series.to_frame().T).abs()

# 渲染热力图
plt.figure(figsize=(6, 6))
sns.heatmap(
    age_diff_matrix,
    annot=True, # 在单元格内标注具体年龄差
    cmap="Blues_r", # 反向蓝色系：差值越小颜色越浅，代表越相近
    cbar_kws={'label': '年龄差（越小越相近）'},
    linewidths=0.5
)
# 坐标轴标签追加排名信息
tick_labels = [f"{name}\n(年龄排名: {rank})" for name, rank in zip(df['Name'], df['Age_Rank'])]
plt.xticks(ticks=range(len(df)), labels=tick_labels)
plt.yticks(ticks=range(len(df)), labels=tick_labels)

plt.title("儿童年龄相近度对比表（含年龄排名）")
plt.tight_layout()
plt.show()

效率说明 #

• 所有计算都基于pandas的向量化操作完成，哪怕扩展到几百上千个样本，也不需要遍历两两组合，运行速度远高于手写循环实现；
• 单张图同时覆盖排名展示、相近度对比两个核心需求，不需要拼接多个独立表格，信息传递效率更高。

额外实用功能：如果需要快速定位每个儿童年龄最接近的同伴，可以直接在差值矩阵上筛选计算：

# 排除自身差值（为0），找每个行的最小差值对应的同伴
closest_peer = age_diff_matrix.apply(lambda row: row[row>0].idxmin(), axis=1)

示例输出结果：

Name	closest_peer
tom	juli
nick	juli
juli	nick

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