您可以找到df_b['N0_YLDF']中（排序）值中间的截止值。然后调用pd.cut对df_a['N0_YLDF']中的值进行分类，截止值是bin边缘：

import numpy as np
import pandas as pd

df_a = pd.DataFrame({ 'N0_YLDF': [11.79, 7.86, 5.78, 5.35, 6.32, 11.79, 6.89, 10.74]})
df_b = pd.DataFrame({ 'N0_YLDF':[6.29, 2.32, 9.10, 4.89, 10.22, 3.80, 5.55, 6.36] })

edges, labels = np.unique(df_b['N0_YLDF'], return_index=True)
edges = np.r_[-np.inf, edges + np.ediff1d(edges, to_end=np.inf)/2]
df_a['N0_DWOC'] = pd.cut(df_a['N0_YLDF'], bins=edges, labels=df_b.index[labels])
print(df_a)

产量

In [293]: df_a
Out[293]: 
   N0_YLDF N0_DWOC
0    11.79       4
1     7.86       2
2     5.78       6
3     5.35       6
4     6.32       0
5    11.79       4
6     6.89       7
7    10.74       4

要连接N0_DWOC上的两个DataFrame，可以用途：

print(df_a.join(df_b, on='N0_DWOC', rsuffix='_b'))

从而产生

N0_YLDF N0_DWOC  N0_YLDF_b
0    11.79       4      10.22
1     7.86       2       9.10
2     5.78       6       5.55
3     5.35       6       5.55
4     6.32       0       6.29
5    11.79       4      10.22
6     6.89       7       6.36
7    10.74       4      10.22

另一种方法是减去笛卡尔积中的所有对，并获得每个对的最小绝对值的索引：

In [47]:ix = abs(np.atleast_2d(df_a['N0_YLDF']).T - df_b['N0_YLDF'].values).argmin(axis=1)
        ix
Out[47]: array([4, 2, 6, 6, 0, 4, 7, 4])

那就做吧

df_a['N0_DWOC'] = df_b.ix[ix, 'N0_DWOC'].values

In [73]: df_a
Out[73]:
N0_YLDF N0_DWOC
0   11.79   4
1   7.86    4
2   5.78    3
3   5.35    3
4   6.32    4
5   11.79   4
6   6.89    3
7   10.74   4

解决此问题的另一种方法是执行笛卡尔连接，然后执行公共列的值之间的绝对差
然后按列N0_YLDF分组以获得差异的最小值，并在合并的df上再次使用此值以再次合并，但这次使用合并作为过滤器。解释不充分，但您可能会看到代码正在做什么。

mg = df_a.merge(df_b,how='cross')
mg['diff'] = mg.apply(lambda x:abs(x['N0_YLDF_x']-x['N0_YLDF_y']),axis=1 )
groups = mg.groupby('N0_YLDF_x')['diff'].min().reset_index()

mg.merge(groups.drop('N0_YLDF_x',axis=1), on='diff').drop(['N0_YLDF_y','diff'],axis=1).rename({'N0_YLDF_x':'N0_YLDF'})

output df