如何在Pandas系列中找到与输入数字最接近的值？

Question

我见过：

• how do I find the closest value to a given number in an array?
• How do I find the closest array element to an arbitrary (non-member) number?。

这些与香草蟒蛇有关，而不是熊猫。

如果我有这个系列：

ix   num  
0    1
1    6
2    4
3    5
4    2

我输入3，我怎样才能（有效地）找到？

1. 如果在系列中找到，则索引为3
2. 如果在系列中找不到，则该值的索引低于和高于3。

IE浏览器。使用上面的系列{1,6,4,5,2}和输入3，我应该得到带有索引（2,4）的值（4,2）。

Answer 1

你可以使用像argsort()

说，input = 3

In [198]: input = 3

In [199]: df.ix[(df['num']-input).abs().argsort()[:2]]
Out[199]:
   num
2    4
4    2

df_sort是具有2个最接近值的数据帧。

In [200]: df_sort = df.ix[(df['num']-input).abs().argsort()[:2]]

对于索引，

In [201]: df_sort.index.tolist()
Out[201]: [2, 4]

对于价值观，

In [202]: df_sort['num'].tolist()
Out[202]: [4, 2]

---

细节，对于上述解决方案df是

In [197]: df
Out[197]:
   num
0    1
1    6
2    4
3    5
4    2

Answer 2

我推荐使用iloc以及John Galt的答案，因为即使使用未排序的整数索引也可以使用.ix，因为df.iloc[(df['num']-input).abs().argsort()[:2]] 首先查看索引标签

def find_neighbours(value):
    exactmatch=df[df.num==value]
        if !exactmatch.empty:
            return exactmatch.index[0]
        else:
            lowerneighbour_ind = df[df.num<value].idxmax()
            upperneighbour_ind = df[df.num>traversed].idxmin()
            return lowerneighbour_ind, upperneighbour_ind

Answer 3

这里讨论的其他算法的缺点是它们必须对整个列表进行排序。这导致~N log（N）的复杂性。

但是，可以在~N中获得相同的结果。这种方法将数据帧分成两个子集，一个小于一个子集，一个大于期望值。较低的邻居比较小的数据帧中的最大值，反之亦然。

这给出了以下代码片段：

partition in pandas

这种方法类似于使用

def closest(df, col, val, direction):
    n = len(df[df[col] <= val])
    if(direction < 0):
        n -= 1
    if(n < 0 or n >= len(df)):
        print('err - value outside range')
        return None
    return df.ix[n, col]    

df = pd.DataFrame(pd.Series(range(0,10,2)), columns=['num'])
for find in range(-1, 2):
    lc = closest(df, 'num', find, -1)
    hc = closest(df, 'num', find, 1)
    print('Closest to {} is {}, lower and {}, higher.'.format(find, lc, hc))


df:     num
    0   0
    1   2
    2   4
    3   6
    4   8
err - value outside range
Closest to -1 is None, lower and 0, higher.
Closest to 0 is 0, lower and 2, higher.
Closest to 1 is 0, lower and 2, higher.

，这在处理大型数据集时非常有用，并且复杂性成为一个问题。

Answer 4

如果你的系列已经排序，你可以使用这样的东西。

bisect

Answer 5

如果系列已经排序，找到索引的有效方法是使用idx = bisect_right(df['num'].values, 3) 。一个例子：

from bisect import bisect_right, bisect_left
def get_closests(df, col, val):
    lower_idx = bisect_right(df[col].values, val)
    higher_idx = bisect_left(df[col].values, val)
if higher_idx == lower_idx:
    return lower_idx
else: 
    return lower_idx, higher_idx

因此，对于问题中引用的问题，考虑到数据框“df”的列“col”已排序：

qazxswpoi

在数据帧列“col”或其最近邻居中找到特定值“val”的索引非常有效，但它需要对列表进行排序。