在 pandas 中获取最近多索引的最快方法

Question

我在 Pandas df1和df2中有两个数据框。 dataframe dfi具有多索引xi ， yi 。

对于df1中的每一行，我想在df2中找到最接近的匹配，其中“最接近的匹配”可以由索引的一些通用 function 定义，即f(x1,y1,x2,y2) 。

我可以使用来自 sklearn 的标准最近邻堆栈来做到这一点，但我想知道是否有更快的方法利用 pandas 索引？ 例如，在xarray中有一个sel function可以快速找到 xarray 对象之间最近的匹配，至少对于一个维度，例如

 ds2.sel(y2=ds1.coords['y1'],
         method='nearest')

由于xarray是建立在 pandas 之上的，pandas 中是否有等效的方法，它还允许用户通过一些 function 指定“最近”，超过一个索引？

我意识到可以通过交叉加入 dfs、进行一些计算、 idxmin等来复制此功能，但是这些 dfs 很大，我想避免加入它们。

Answer 1

如果您可以创建新列，其中包含您的计算的 output 以数字形式，您可以使用文档中描述的merge_asof功能：

pd.merge_asof(left, right, on='your_custom_field', allow_exact_matches=False)