如何基于风速风向区间匹配pandas数据表中的对应元素？

问题背景 #

我有一组按风速、风向区间划分的二维数据表，同时有一组包含风速、风向的气象观测数据，需要将每个（风速、风向）对匹配到二维表中对应的单元格数值。

1. 区间化二维数据表代码 #

import numpy as np
import pandas as pd

# 风速和风向的区间边界
speed_bins = np.array([0.0, 0.5, 1.0, 2.0, 5.0, 10.0, 100.0])
dir_bins = np.linspace(0, 360, 9)

# 生成0–0.5之间的随机LPF值，构建区间对应二维表
data = np.random.rand(len(dir_bins)-1, len(speed_bins)-1)*0.5
dataTable = pd.DataFrame(data, index=dir_bins[1:], columns=speed_bins[1:])

2. 气象观测数据代码 #

import numpy as np
import pandas as pd

# 假设所有数组长度相同
speeds = np.array([...])
directions = np.array([...])
X = np.array([...])

metData = pd.DataFrame({'speeds': speeds, 'directions': directions, 'X': X})

需求说明 #

对每个（speed, direction）对：

• 找到该风速所属区间对应的dataTable列
• 找到该风向所属区间对应的dataTable行
• 返回对应单元格的数值

示例：当speed=0.75、direction=350时，需取dataTable.iat[7,1]的值。因为0.75落在[0.5,1.0]区间（对应列索引1），350落在[315,360]区间（对应行索引7）。

高效实现方案 #

方法1：用numpy.digitize批量匹配区间索引 #

# 为气象数据的风速、风向匹配区间索引
# digitize返回bins的索引，减1后对应dataTable的行列（dataTable索引为区间右边界）
speed_indices = np.digitize(metData['speeds'], speed_bins) - 1

# 处理风向360度的特殊情况：digitize会把360分到最后一个区间，需修正为dataTable的最后一行索引
dir_indices = np.digitize(metData['directions'], dir_bins) - 1
dir_indices[dir_indices == len(dir_bins)-1] = len(dir_bins)-2

# 批量提取对应值
metData['matched_value'] = dataTable.to_numpy()[dir_indices, speed_indices]

方法2：用pandas.cut结合lookup（直观易读） #

# 为风速、风向创建对应区间的标签（即dataTable的列名和索引）
metData['speed_bin'] = pd.cut(metData['speeds'], bins=speed_bins, labels=speed_bins[1:], include_lowest=True)
metData['dir_bin'] = pd.cut(metData['directions'], bins=dir_bins, labels=dir_bins[1:], include_lowest=True)

# 批量匹配对应单元格的值
metData['matched_value'] = dataTable.lookup(metData['dir_bin'], metData['speed_bin'])

注意事项 #

• numpy.digitize默认采用左开右闭区间规则，与dataTable的区间定义（用右边界作为标签）完全匹配；若需左闭右开，需设置right=True并调整索引逻辑。
• 风向360度需单独处理：因为dir_bins的最后一个值是360，digitize会将其分到超出dataTable行范围的索引，需手动修正为最后一行的索引。
• 两种方法均为批量处理，效率远高于循环遍历单条数据。

内容的提问来源于stack exchange，提问作者jlconlin