如何基于interval_df的深度区间填充sample_df的对应列？

需求：给包含离散采样深度的sample_df填充目标列，逻辑为遍历存储深度区间及对应值的interval_df，判断sample_df中每个深度所属的区间，将该区间的value值赋值给sample_df的对应行。

示例数据 #

区间数据（interval_df） #

import pandas as pd

interval_df = pd.DataFrame({
    'top depth':[100,200,700],
    'bottom depth':[200,700,1000],
    'value':[15,10,20],
})

采样数据（sample_df） #

sample_df = pd.DataFrame({
    'depth':[258,300,567,858,900],
    'value':[0,0,0,0,0]
})

解决方案 #

方法1：遍历匹配（直观易懂） #

适合数据量较小的场景，逻辑清晰易调试：

# 初始化目标列
sample_df['uncertainty'] = 0

# 逐个匹配采样深度对应的区间
for idx, depth in enumerate(sample_df['depth']):
    # 筛选当前深度所属的区间
    match_interval = interval_df[(interval_df['top depth'] <= depth) & (depth < interval_df['bottom depth'])]
    # 赋值对应区间的value
    sample_df.loc[idx, 'uncertainty'] = match_interval['value'].values[0]

方法2：矢量化操作（高效处理大数据） #

利用pandas内置函数实现批量匹配，性能更优：

# 整理区间边界和对应标签值
bins = interval_df['top depth'].tolist() + [interval_df['bottom depth'].iloc[-1]]
labels = interval_df['value'].tolist()

# 批量匹配区间并赋值
sample_df['uncertainty'] = pd.cut(
    sample_df['depth'],
    bins=bins,
    labels=labels,
    include_lowest=True  # 确保左边界包含在内
)

期望输出 #

sample_df = pd.DataFrame({
    'depth':[258,300,567,858,900],
    'uncertainty':[10,10,10,20,20]
})

内容的提问来源于stack exchange，提问作者Eirik Gottschalk Ballo