Python/Pandas 在一列中找到高于/低于最接近的值答案

【问题标题】：Python/Pandas find closest value above/below in one ColumnPython/Pandas 在一列中找到高于/低于最接近的值
【发布时间】：2016-07-18 10:06:23
【问题描述】：

我有一个大型数据框（约 100 万行）。我最终将在两个年龄组之间插入光谱。但是，我需要首先找到我需要找到的任何年龄以上和以下的最接近的值。

DataFrame 大致如下所示

 Age   Wavelength   Luminosity
 1     
 1
 1
 4
 4
 6
 6

我需要能够输入 5，并返回值 4 和 6。我正在努力寻找一种方法来做到这一点？这是我尝试过的：

def findnearest(array,value):
    idx = np.searchsorted(array,value, side='left')
    if idx > 125893.0:
        return array[idx]
    else:
        return array[idx]
    idx1 = np.searchsorted(array,value, side='right')
    if idx1 < 2e10:
        return array[idx1]
    else:
        return array [idx1-1]

C = findnearest(m05_010['age'], 5.12e7)

print(C)

这只返回一个值，而不是两个。这是正确的道路还是我应该做一些不同的事情？有没有更好的办法？

【问题讨论】：

标签： python sorting pandas dataframe astronomy

【解决方案1】：

我认为你应该使用bisect，它的速度要快得多，并且仅用于此目的。

from bisect import *
arr = np.array([1,1,1,4,4,4,4,4,4,4,6,6])

value = 5
lower = arr[bisect_left(arr, value) - 1]
above = arr[bisect_right(arr, value)]
lower, above

输出 -

(4, 6)

这是来自 Ipython 的时间比较 -

%timeit for x in range(100): arr[bisect_left(arr, value)]

输出 -

10000 次循环，3 次中的最佳：每个循环 92.4 µs

并使用searchsorted -

%timeit for x in range(100): arr[np.searchsorted(arr,value,'left')-1]

输出 -

最慢的运行时间是最快的运行时间的 7.62 倍。这可以
表示正在缓存中间结果。 10000 个循环，最好的 3：每个循环 142 µs

【讨论】：

谢谢！完美运行
@hashcode55 尝试了 bisect 方法，但不适用于数组 array = np.array([6.379155435759211, 5.952380952380958, 6.805929919137463 ,3.8634321653189487, 2.20125786163521, -0.314465408805071, -1.976639712488791, 8.04132973944295, 10.55705300988321, 12.21922731356695, 14.734950584007205, 3.548966756513936, 3.796046720575037])，无论传入的值如何，它都会返回 (-1.976639712488791, 8.04132973944295)。知道为什么吗？

【解决方案2】：

IIUC 并假设输入数组已排序，您可以执行以下操作 -

above = arr[np.searchsorted(arr,value,'left')-1]
below = arr[np.searchsorted(arr,value,'right')]

示例运行 -

案例 1：没有完全匹配的值

In [17]: arr = np.array([1,1,1,4,4,4,4,4,4,4,6,6])

In [18]: value = 5

In [19]: above = arr[np.searchsorted(arr,value,'left')-1]
    ...: below = arr[np.searchsorted(arr,value,'right')]
    ...: 

In [20]: above, below
Out[20]: (4, 6)

案例 2：值完全匹配

In [33]: arr = np.array([1,1,1,4,4,4,4,4,4,4,5,5,5,6,6])

In [34]: value = 5

In [35]: above = arr[np.searchsorted(arr,value,'left')-1]
    ...: below = arr[np.searchsorted(arr,value,'right')]
    ...: 

In [36]: above, below
Out[36]: (4, 6)

【讨论】：