如何根据数值区间匹配DataFrame中对应的Factor值？

首先需要注意：根据你给出的示例，实际匹配条件应为浮点数大于Prev_Interval且小于Interval（你描述的条件写反了，0.010是大于0.0050、小于0.0150，对应Factor=3.0的行）。以下是几种基于pandas的实现方式：

方法1：布尔索引直接筛选 #

直接通过布尔条件定位符合要求的行，提取对应的Factor值：

import pandas as pd

# 构造你的DataFrame
data = {
    'Interval': [0.0002, 0.0005, 0.0010, 0.0050, 0.0150, 0.0500, 0.2500, 0.5000, 2.0000],
    'Factor': [1.0, 1.5, 2.0, 2.5, 3.0, 3.5, 4.0, 4.2, 4.3],
    'Prev_Interval': [0.0000, 0.0002, 0.0005, 0.0010, 0.0050, 0.0150, 0.0500, 0.2500, 0.5000]
}
df = pd.DataFrame(data)

# 给定目标浮点数
x = 0.010

# 筛选符合条件的行，提取Factor
result = df[(df['Prev_Interval'] < x) & (x < df['Interval'])]['Factor'].iloc[0]
print(result)  # 输出3.0

方法2：使用query方法简化代码 #

用query方法可以写出更直观的条件表达式：

result = df.query('Prev_Interval < @x < Interval')['Factor'].iloc[0]
print(result)  # 输出3.0

方法3：封装为函数处理多个数值 #

如果需要批量处理多个浮点数，可以封装成函数：

def get_factor(x):
    matched = df[(df['Prev_Interval'] < x) & (x < df['Interval'])]
    if not matched.empty:
        return matched['Factor'].iloc[0]
    else:
        return None  # 无匹配时返回None，可根据需求调整

# 测试多个值
print(get_factor(0.010))  # 3.0
print(get_factor(0.100))  # 4.0
print(get_factor(2.500))  # None

注意事项 #

• 如果存在多个匹配行（你的数据中应该是唯一匹配），可以根据需求选择取第一个、取均值或其他逻辑；
• 若需要处理边界值（如x等于Interval或Prev_Interval），可以将条件中的<改为<=或>=；
• 无匹配时建议添加异常处理或返回默认值，避免iloc[0]报错。

内容的提问来源于stack exchange，提问作者cJc