如何修改DataFrame区间关联代码，让无匹配项返回空值

原代码报错的核心原因是：当df_1的timestamp不在df_2的任何时间区间内时，df_2.index.get_loc(x)会抛出KeyError，导致整个apply操作失败。下面提供两种可行的修改方案：

方案一：异常捕获（适合小数据集） #

通过try-except捕获不存在匹配区间的异常，直接返回空值：

import pandas as pd

# 构建IntervalIndex索引
df_2.index = pd.IntervalIndex.from_arrays(df_2['start'], df_2['end'], closed='both')

def match_event(x):
    try:
        return df_2.iloc[df_2.index.get_loc(x)]['event']
    except KeyError:
        return pd.NA  # 也可以用np.nan，pd.NA更适配pandas的缺失值体系

df_1['event'] = df_1['timestamp'].apply(match_event)

方案二：pd.cut映射（适合大数据集，效率更高） #

利用pd.cut将timestamp批量映射到对应的区间，再通过索引匹配event，避免循环操作，效率提升明显：

import pandas as pd

# 构建IntervalIndex索引
df_2.index = pd.IntervalIndex.from_arrays(df_2['start'], df_2['end'], closed='both')

# 用pd.cut获取每个timestamp对应的区间索引（无匹配则为NaN）
df_1['interval_idx'] = pd.cut(df_1['timestamp'], bins=df_2.index, labels=False)
# 通过索引映射event，无匹配自动返回NaN
df_1['event'] = df_1['interval_idx'].map(df_2['event'])
# 清理临时列
df_1.drop('interval_idx', axis=1, inplace=True)

两种方案都能实现：有匹配区间的行返回对应的event，无匹配的行返回空值。如果你的数据集较大，优先选方案二，因为apply本质是逐行循环，效率远低于向量化的pd.cut。

内容的提问来源于stack exchange，提问作者slow_learner