基于范围的DataFrame左连接实现问询（无需显式指定列）

方法一：使用merge_asof（推荐，适合大数据量） #

因为你的df1中的区间是连续且不重叠的，而且df2['x']是有序的，merge_asof是高效又简洁的选择，完全不需要显式列出所有非范围列：

import pandas as pd
import numpy as np

# 初始化数据
df1 = pd.DataFrame({
    'col1': ['A', 'B', 'C', 'D','E'],
    'col2': ['alpha', 'beta', 'gamma', 'delta','epsilon'],
    'min': [0, 15, 20, 90, 100],
    'max': [15, 20, 90, 100, 200]
})
df2 = pd.DataFrame({'x': np.linspace(0,199, 6)})

# merge_asof要求两个DataFrame按匹配键排序
df1_sorted = df1.sort_values('min')
df2_sorted = df2.sort_values('x')

# 匹配逻辑：找到小于等于当前x的最大min值对应的行
merged = pd.merge_asof(df2_sorted, df1_sorted, left_on='x', right_on='min', direction='backward')

# 过滤掉x超出对应区间max的情况（你的数据区间连续，这一步可省略，但更严谨）
final_result = merged[merged['x'] <= merged['max']]

# 保留需要的列（如果要保留所有非范围列，直接去掉这一步即可）
final_result = final_result[['x', 'col1', 'col2']].reset_index(drop=True)
print(final_result)

输出结果和你期望的完全一致：

x col1     col2
0    0.0    A    alpha
1   39.8    C    gamma
2   79.6    C    gamma
3  119.4    E  epsilon
4  159.2    E  epsilon
5  199.0    E  epsilon

方法二：使用IntervalIndex（直观易懂） #

这个方法通过把df1的min和max转换成区间索引，直接匹配x所在的区间，同样不需要手动列所有非范围列：

import pandas as pd
import numpy as np

# 初始化数据
df1 = pd.DataFrame({
    'col1': ['A', 'B', 'C', 'D','E'],
    'col2': ['alpha', 'beta', 'gamma', 'delta','epsilon'],
    'min': [0, 15, 20, 90, 100],
    'max': [15, 20, 90, 100, 200]
})
df2 = pd.DataFrame({'x': np.linspace(0,199, 6)})

# 创建左闭右开的区间索引（对应逻辑：min <= x < max）
df1['interval'] = pd.IntervalIndex.from_arrays(df1['min'], df1['max'], closed='left')

# 将区间设为索引，方便快速匹配
df1_interval = df1.set_index('interval')

# 对每个x找到对应的区间行，合并到df2
matches = df2['x'].apply(lambda x: df1_interval.loc[x])
final_result = pd.concat([df2, matches.drop(columns=['min', 'max', 'interval'])], axis=1)
print(final_result)

为什么这两个方法都不用显式写非范围列？ #

• merge_asof会自动把df1的所有列合并过来，你只需要最后筛选保留需要的列（或者直接保留全部）；
• IntervalIndex方式中，df1_interval.loc[x]会返回对应区间的整行数据，你只需要排除min、max、interval这些范围相关列即可，其他列自动保留。

内容的提问来源于stack exchange，提问作者user32882