基于二维区间条件的Pandas数据查找实现方案咨询

我有一个包含两列数值的Pandas DataFrame，结构如下：

同时还有一个二维参考DataFrame：

需要为第一个DataFrame的每一行，按照以下规则在第二个表中匹配对应值：

• col1处于参考表行索引的区间内
• col2处于参考表列名的区间内

匹配逻辑细节：找到小于等于col1的最大参考表行索引，同时找到小于等于col2的最大参考表列名，取对应位置的值。

期望输出为新增col3的DataFrame：

由于参考表规模较大且可能变动，不考虑用if语句实现，求最优解决方案。我曾考虑将参考表转换为带双重索引的一维结构。

核心思路是利用Pandas+NumPy的向量化区间匹配工具，快速定位每个值对应的参考表行/列，再提取对应值。该方案无需硬编码区间，适配参考表的动态变化。

步骤1：准备初始数据 #

import pandas as pd
import numpy as np

# 目标DataFrame
df = pd.DataFrame({
    'col1': [2.5, 5.1, 3.0],
    'col2': [4.1, 2.2, 7.8]
})

# 参考DataFrame（确保行索引和列名为数值类型）
ref_df = pd.DataFrame(
    [['A', 'D', 'E'], ['B', 'F', 'G'], ['C', 'H', 'I']],
    index=[0, 5, 10],
    columns=[0, 3, 5, 10]
)

步骤2：匹配参考表的行索引与列名 #

用np.digitize快速定位每个值对应的区间位置：

# 提取参考表的行索引和列名（需保证为有序数值）
row_indices = ref_df.index.values
col_names = ref_df.columns.values

# 匹配col1对应的参考行索引：找到小于等于col1的最大索引
row_pos = np.digitize(df['col1'], row_indices, right=True) - 1
row_pos = np.maximum(row_pos, 0)  # 处理值小于最小索引的边界情况
matched_rows = row_indices[row_pos]

# 匹配col2对应的参考列名：找到小于等于col2的最大列名
col_pos = np.digitize(df['col2'], col_names, right=True) - 1
col_pos = np.maximum(col_pos, 0)
matched_cols = col_names[col_pos]

步骤3：提取匹配值并合并 #

用lookup方法快速提取参考表对应位置的值：

df['col3'] = ref_df.lookup(matched_rows, matched_cols)

运行后得到的df即为期望输出：

col1  col2 col3
0   2.5   4.1    A
1   5.1   2.2    B
2   3.0   7.8    D

方案优势 #

• 动态适配：只要参考表的行索引和列名为有序数值，无需修改代码即可处理规模扩大或区间调整的情况
• 高效快速：基于NumPy向量化操作，比循环/if语句效率高几个数量级，适合大规模数据
• 逻辑清晰：直接对应Excel的区间匹配逻辑，易于维护和理解

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