1
s1 = pd.Series({11:100, 13:102, 17:99})
s2 = pd.Series({10:1, 14:2, 18:3})
有了這些系列,我可以用s1的索引單獨找到s2的最接近的索引值。例如:最近值迭代
s2.values[np.abs(s2.index - s1.index[0]).argmin()]
返回1,因爲11,S1的第一個指數是最接近10
似乎我無法弄清楚如何創建具有S1一個數據幀,並且這些值迭代,而不使用我曾經教過的for循環在熊貓中是不實用的。
所以期望的結果是一個數據幀,其中s1的值在一列中,另一個使用上面的代碼具有s2的值。
你應該以root的答案去。如果你仍然對如何矢量化代碼感到好奇,你可以像'df ['s2_nearest'] = s1.index'然後'df ['s2_nearest']。map(lambda i:s2.values [np.abs(s2.index - i).argmin()])' –