在循环中检索索引时出现问题

Question

我正在尝试运行一个循环来从 A 列中每个元素的一组固定值 [125 150 175 200] 中找到一个 excel 列（比如说 A 列）之间的差异。当我找到差异时，然后我想找到差异的最小值，并且需要找到这些值的索引。

代码在这里：

Ref = pd.ExcelFile ('Current parametric sweep_reference.xlsx')

print(Ref.sheet_names) 
for Sheet in Ref.sheet_names: 

Ref = pd.read_excel("Current parametric sweep_reference.xlsx",sheet_name=Sheet)
tempdiff = [125, 150, 175, 200] 
numbdiff = len(tempdiff)
values = np.zeros(numbdiff)
Tchipavg=list(Ref["Temperature (degC), Tchipcenter"])
Time =list(Ref["Time (s) (s)"])

index = list(Tchipavg).index(np.max(Tchipavg))
Time = Time[:index]

for j in range(0,numbdiff):

        diff =np.array([x-tempdiff[j] for x in Tchipavg[:index-1]])
        values[j] = min(abs(diff))
        min_index, min_value = min(enumerate(diff), key = operator.itemgetter(1))
        print(min_index, min_value)

print(values)

当我打印值时，它确实给出了差异的最小值，但我正在努力寻找我必须用来在另一列中查找值的索引，比如说 B 列。 你能指出这里的错误是什么吗？

数据示例：

df = pd.DataFrame([[0, 95.68 ], [1, 137.04], [2, 149.41], [3 , 158.25 ], [4, 165.28 ], [5 , 127.31 ], [6, 119.80 ], columns=['Time', 'Temp'])

输出应该给出每个 delta T (tempdiff) 情况下最小差异的索引，例如，在@Jezrael 的回答中，数组中有 4 个值用于 4 tempdiff [125、150、175、200]。输出给出了这 4 个中的最小值。相反，我只需要找到相同 tempdiff 的所有数组的最小值。例如，它会是这样的：

values = [2.31  0.59 9.72 34.72]
indices = [5    2    4    4]

Answer 1

在 pandas 中最好避免循环，如有必要，因此创建了矢量化解决方案。

---

如果需要用绝对值将list 减去DataFrame 中的所有值并获取索引，请使用numpy - 将值转换为数组，用broadcasting 减去，获取绝对值并最后通过numpy.argmin 获取索引：

Ref = pd.DataFrame([[0, 95.68 ], [1, 137.04], [2, 149.41], [3 , 158.25 ],
                   [4, 165.28 ], [5 , 127.31 ], [6, 119.80 ]], columns=['Time', 'Temp'])

tempdiff = [125, 150, 175, 200] 

arr = Ref["Temp"].to_numpy()
a = np.abs(arr[:, None] - np.array(tempdiff))
print (a)

[[ 29.32  54.32  79.32 104.32]
 [ 12.04  12.96  37.96  62.96]
 [ 24.41   0.59  25.59  50.59]
 [ 33.25   8.25  16.75  41.75]
 [ 40.28  15.28   9.72  34.72]
 [  2.31  22.69  47.69  72.69]
 [  5.2   30.2   55.2   80.2 ]]

idx = np.argmin(a, axis=0)
print (idx)
[5 2 4 4]

values = a[idx, range(a.shape[1])]
print (values)
[ 2.31  0.59  9.72 34.72]