如何在Pandas中实现跨DataFrame区间匹配并计算对应值？

问题场景 #

现有两个DataFrame：

import pandas as pd

data = {'A': [0,11,21,31,41,51,61],
        'B': [10,20,30,40,50,60,70]}
data2 = {'Point': [11.5, 18.3, 31.3, 41.2, 51.5, 66.6, 34.7, 12.1, 14.4, 56.8, 54.3]}

df = pd.DataFrame(data)
df2 = pd.DataFrame(data2)

需求：判断df2['Point']的每个值是否落在df中A与B组成的区间（如[0,10]、[11,20]等）内，若匹配成功，将对应行的A+B值作为新列sum_AB添加到df2中。

解决方案 #

方法1：使用merge_asof（高效推荐，适合大数据集） #

merge_asof是Pandas专门用于有序键值匹配的工具，能高效处理区间匹配场景：

# 提前计算A+B的结果列
df['sum_AB'] = df['A'] + df['B']

# 确保df按A排序（merge_asof要求左表按键有序）
df = df.sort_values('A').reset_index(drop=True)
# 对df2按Point排序（merge_asof要求右表按键有序）
df2_sorted = df2.sort_values('Point').reset_index(drop=True)

# 匹配小于等于Point的最大A值，再过滤Point不超过对应B的行
result = pd.merge_asof(df2_sorted, df, left_on='Point', right_on='A', direction='backward')
result = result[result['Point'] <= result['B']]

# 合并回原df2，保留原始行顺序
final_df = df2.merge(result[['Point', 'sum_AB']], on='Point', how='left')

方法2：pd.cut+映射（简洁直观） #

针对你之前用pd.cut仅得到区间的问题，只需添加一步映射即可获取目标值：

# 构造与df区间完全对应的IntervalIndex（闭区间）
intervals = pd.IntervalIndex.from_arrays(df['A'], df['B'], closed='both')
# 为每个Point匹配对应的区间
df2['interval'] = pd.cut(df2['Point'], bins=intervals)

# 建立区间到sum_AB的映射关系
interval_to_sum = pd.Series(df['A'] + df['B'], index=intervals)
# 映射得到sum_AB列
df2['sum_AB'] = df2['interval'].map(interval_to_sum)

# 清理临时列
df2.drop('interval', axis=1, inplace=True)

方法3：apply逐行匹配（适合小数据集） #

若数据量较小，可直接用apply逐行查找匹配区间：

def get_sum_ab(point):
    # 筛选出包含当前Point的区间行
    match_row = df[(df['A'] <= point) & (df['B'] >= point)]
    return match_row['A'].iloc[0] + match_row['B'].iloc[0] if not match_row.empty else None

df2['sum_AB'] = df2['Point'].apply(get_sum_ab)

结果示例 #

处理后df2的sum_AB列结果如下：

内容的提问来源于stack exchange，提问作者zeroz