如何在Pandas中按国家合并重叠或连续的区间行？

步骤说明 #

要实现同一国家下重叠或连续区间的合并，核心是先给需要合并的区间打上同一组标识，再按组聚合取极值，具体操作如下：

1. 排序数据
   确保同一国家的区间按起始值升序排列，保证后续断点判断的准确性：

df = df.sort_values(['country', 'low_range'])

2. 生成合并组标识
   在同一国家分组内，判断当前区间是否与上一区间断开（即当前区间的起始值大于上一区间的结束值+1），标记断点后生成组ID：

# 标记断点：当前区间与上一区间既不重叠也不连续时，视为新组起点
df['break_point'] = df.groupby(['Country_code', 'country']).apply(
    lambda g: g['low_range'] > g['high_range'].shift().fillna(-float('inf')) + 1
).reset_index(level=0, drop=True)

# 基于断点生成组ID，同一合并组的ID保持一致
df['group_id'] = df.groupby(['Country_code', 'country'])['break_point'].cumsum()

3. 聚合合并区间
   按国家编码、国家名称和组ID分组，取每组的最小起始值和最大结束值，最终删除组ID列得到结果：

merged_df = df.groupby(['Country_code', 'country', 'group_id'], as_index=False).agg(
    low_range=('low_range', 'min'),
    high_range=('high_range', 'max')
).drop(columns='group_id')

逻辑解释 #

• shift()用于获取上一行的区间结束值，fillna(-float('inf'))处理每组第一行的空值（确保第一行不会被误判为断点）
• 断点判断逻辑low_range > high_range.shift() +1：只有当当前区间和上一区间完全不重叠且不连续时，才启动新组
• 聚合时，同一组内的Country_code和country值完全一致，因此直接保留分组后的对应字段即可

内容的提问来源于stack exchange，提问作者Arsenfat