如何按trial分组，基于event_df的索引对提取player_df指定行？

步骤1：拆分事件起止索引 #

先把event_df中存储索引对的indices列拆分为单独的起始索引和结束索引列，方便后续范围筛选：

event_df[['start_idx', 'end_idx']] = pd.DataFrame(event_df['indices'].tolist(), index=event_df.index)

步骤2：编写提取逻辑函数 #

定义一个函数，针对event_df的每一行（即单个被试的单轮试验），从player_df中筛选出符合条件的行：

def extract_trial_data(row):
    # 匹配同被试、同试验，且索引在起止范围内的行
    filter_condition = (player_df['subject'] == row['subject']) & \
                       (player_df['trial'] == row['trial']) & \
                       (player_df.index >= row['start_idx']) & \
                       (player_df.index <= row['end_idx'])
    return player_df[filter_condition]

注：如果player_df的索引不是事件对应的目标索引，而是有单独列（比如frame_index），把player_df.index替换为player_df['frame_index']即可。

步骤3：批量提取并合并结果 #

遍历event_df的每一行执行提取，最后将所有结果合并为一个DataFrame：

final_result = pd.concat(event_df.apply(extract_trial_data, axis=1).tolist(), ignore_index=True)

示例验证 #

假设我们有以下测试数据：

import pandas as pd

# 测试用event_df
event_df = pd.DataFrame({
    'subject': ['sub001', 'sub001', 'sub002'],
    'trial': [1, 2, 1],
    'indices': [[3, 7], [12, 16], [5, 9]]
})

# 测试用player_df（行索引对应事件索引）
player_df = pd.DataFrame({
    'subject': ['sub001']*20 + ['sub002']*15,
    'trial': [1]*10 + [2]*10 + [1]*15,
    'x_coord': range(35),
    'y_coord': range(35, 70)
})
player_df.index.name = 'frame_index'

运行上述步骤后，final_result会包含：

• sub001的trial1中frame_index 3-7的行
• sub001的trial2中frame_index 12-16的行
• sub002的trial1中frame_index 5-9的行

内容的提问来源于stack exchange，提问作者B_Sil