dataframe1 有2列信息info经纬度dataframe2 有3列信息 小区名info经纬度从dataframe2 中匹配同频同PCI 最近的距离的小区名到dataframe1

假设dataframe1的列名为：info、latitude、longitude；dataframe2的列名为：cell_name、info、latitude、longitude、PCI。

首先，我们需要根据同频同PCI进行筛选，可以使用pandas的merge函数：

merge_df = pd.merge(dataframe1, dataframe2[dataframe2['PCI'] == pci_value], on='info')

其中，pci_value为同频同PCI的PCI值。上述操作会将两个DataFrame根据info列进行合并，并只保留PCI值为pci_value的行。

接下来，我们需要求解距离。可以使用geopy库中的distance函数：

from geopy.distance import distance

distance_list = []
for i in range(len(merge_df)):
  distance_list.append(distance((merge_df['latitude_x'][i], merge_df['longitude_x'][i]), (merge_df['latitude_y'][i], merge_df['longitude_y'][i])).meters)

merge_df['distance'] = distance_list

上述代码会将dataframe1和筛选后的dataframe2中每一行的经纬度信息提取出来，并计算它们之间的距离，将距离存储在distance列中。

最后，我们可以使用pandas的groupby和agg函数，对每个info进行分组，并取出距离最小的那个小区名：

result_df = merge_df.groupby('info').agg({'distance': 'min', 'cell_name': 'first'})
result_df = result_df.reset_index()
result_df = result_df[['info', 'cell_name']]

上述代码会先按照info列进行分组，然后对每组中的distance列取最小值，对每组中的cell_name列取第一个值（即距离最小的那个小区名），最后将结果存储在result_df中