基于最近值合并Pandas数据框

Question

我有两个数据框，分别为A和B，它们都有一些列名为attr1、attr2、attrN等。

我有一个特定的距离度量方法，希望将这两个数据框合并在一起，使得A中的每一行与B中距离最短的那一行进行合并。注意，在合并时，B中的行可以重复出现。

例如（为了简单起见，只使用一个属性）：使用绝对差异距离|A.attr1 - B.att1|来合并这两个表格。

A | attr1      B | attr1
0 | 10         0 | 15
1 | 20         1 | 27
2 | 30         2 | 80

应该产生以下合并表。

M | attr1_A  attr1_B
0 | 10       15
1 | 20       15
2 | 30       27

我的当前做法很慢，基于将A的每一行与B的每一行进行比较，但代码也不清晰，因为我必须保留合并的索引，我完全不满意，但我想不出更好的解决方案。
如何使用pandas执行上述合并？是否有任何方便的方法或函数可以在这里提供帮助？
编辑：仅澄清，在数据框中还有其他未用于距离计算的列，但也必须合并。

- AkiRoss

Answer 1

你可以按照以下方式进行操作：

首先，你需要...

A = pd.DataFrame({'attr1':[10,20,30]})
B = pd.DataFrame({'attr1':[15,15,27]})

使用交叉连接获取所有组合

1.2+版本的pandas中使用how='cross'进行操作。

merge_AB = A.merge(B, how='cross', suffixes = ('_A', '_B'))

旧版本的Pandas使用伪关键字...

A = A.assign(key=1)
B = B.assign(key=1)

merged_AB =pd.merge(A,B, on='key',suffixes=('_A','_B'))

现在让我们找到合并_AB中的最小距离。

M = merged_AB.groupby('attr1_A').apply(lambda x:abs(x['attr1_A']-x['attr1_B'])==abs(x['attr1_A']-x['attr1_B']).min())

merged_AB[M.values].drop_duplicates().drop('key',axis=1)

输出：

   attr1_A  attr1_B
0       10       15
3       20       15
8       30       27

- Scott Boston

---

所以如果我理解正确，您首先计算A中每一行与B中每一行的乘积，然后过滤掉不符合给定条件的行。绝对比我的解决方案更易读，谢谢！ - AkiRoss

@AkiRoss 是的，我创建了 A 和 B 的笛卡尔积，然后使用条件进行筛选。 - Scott Boston

非常有趣的解决方案！ - MaxU - stand with Ukraine