Python Pandas：判断DataFrame值是否在另一个不等长DataFrame的任意区间中

需求说明 #

现有两个行数不等的DataFrame：

• df：包含min_val和max_val列，代表一系列区间
• df1：包含val列，需判断每个值是否落在df的任意区间内

最终需生成新DataFrame，包含val、匹配到的区间（无匹配则为NaN）、nameTag字段（标记within或not within）。此前逐行匹配的方案无法识别跨行区间匹配（如val=2落在df的0-4区间），需替换为可行方案。

示例输入 #

import pandas as pd
import numpy as np

# df区间数据
df = pd.DataFrame({
    'min_val': [0,5,10,15,20,25],
    'max_val': [4,9,14,19,24,29]
})

# df1待判断值数据
df1 = pd.DataFrame({
    'val': [1,6,2,np.nan,34]
})

解决方案 #

方案1：笛卡尔积匹配（适合小数据量） #

通过生成所有值与区间的组合，筛选符合条件的匹配项，再合并回原数据：

# 为df1添加临时索引，用于后续合并
df1['temp_idx'] = df1.index

# 生成所有val与区间的组合，筛选val落在区间内的记录
matches = df1.merge(df, how='cross')
matches = matches[(matches['val'] >= matches['min_val']) & (matches['val'] <= matches['max_val'])]

# 合并回原df1，保留每个val的第一个匹配区间
result = df1.merge(matches[['temp_idx', 'min_val', 'max_val']], on='temp_idx', how='left')

# 标记是否在区间内
result['nameTag'] = np.where(result['min_val'].notna(), 'within', 'not within')

# 清理临时列并调整顺序
result = result.drop('temp_idx', axis=1)[['val', 'min_val', 'max_val', 'nameTag']].reset_index(drop=True)

方案2：区间索引匹配（适合大数据量） #

利用Pandas的IntervalIndex和pd.cut实现高效匹配，无需生成笛卡尔积：

# 从df生成区间索引（closed='both'表示包含区间两端）
bins = pd.IntervalIndex.from_arrays(df['min_val'], df['max_val'], closed='both')

# 匹配每个val对应的区间
df1['interval'] = pd.cut(df1['val'], bins=bins)

# 从匹配到的区间提取min和max值
df1['min_val'] = df1['interval'].apply(lambda x: x.left if pd.notna(x) else np.nan)
df1['max_val'] = df1['interval'].apply(lambda x: x.right if pd.notna(x) else np.nan)

# 标记是否在区间内
df1['nameTag'] = np.where(df1['interval'].notna(), 'within', 'not within')

# 清理临时列并调整顺序
result = df1[['val', 'min_val', 'max_val', 'nameTag']].reset_index(drop=True)

示例输出 #

val  min_val  max_val     nameTag
0   1.0      0.0      4.0      within
1   6.0      5.0      9.0      within
2   2.0      0.0      4.0      within
3   NaN      NaN      NaN  not within
4  34.0      NaN      NaN  not within

内容的提问来源于stack exchange，提问作者Yiannis