使用Python查找最相似的行

Question

我有两个数据帧（df1和df2）。在df1中，我用一组值存储一行，并且我想在df2中找到最相似的行。

import pandas as pd
import numpy as np

# Df1 has only one row and four columns.
df1 = pd.DataFrame(np.array([[30, 60, 70, 40]]), columns=['A', 'B', 'C','D'])

# Df2 has 50 rows and four columns
df2 = pd.DataFrame(np.random.randint(0,100,size=(50, 4)), columns=list('ABCD'))

问题：基于df1，df2中最相似的行是什么？

Answer 1

如果你想要最小距离，我们可以使用 scipy.spatial.distance.cdist

import scipy
ary = scipy.spatial.distance.cdist(df2, df1, metric='euclidean')
df2[ary==ary.min()]
Out[894]: 
     A   B   C   D
14  16  66  83  13

Answer 2

用df1减去df2并计算每行的范数。找到最小的范数并解决问题。

diff_df = df2 - df1.values
# or diff_df = df2 - df1.iloc[0, :]
norm_df = diff.apply(np.linalg.norm, axis=1)
df2.loc[norm_df.idxmin()]

它可读性强且速度快。