如何基于区间下限匹配合并不同规模/索引的Pandas DataFrame

给定两个Pandas DataFrame：

import pandas as pd

df1 = pd.DataFrame({'col1': [0.5, 0.75, 1.1, 1.6, 2, 3, 5.5, 10, 11.2] })
df2 = pd.DataFrame({'col2': [0, 3, 10,15] })

需要为df1的col1每个值匹配df2col2中对应的区间左端点，匹配规则为：df2['col2'].iloc[y] <= df1['col1'].iloc[x] < df2['col2'].iloc[y+1]，最终预期得到的result列值为：[0, 0, 0, 0, 0, 3, 3, 10, 10]。

方法1：使用pd.cut #

利用pd.cut直接将数值分配到指定区间，并映射到区间左端点：

# 提取区间边界
bins = df2['col2'].tolist()
# 为col1值分配区间，labels设为区间左端点（去掉最后一个边界）
df1['result'] = pd.cut(df1['col1'], bins=bins, labels=bins[:-1], include_lowest=True)
# 转换为数值类型（可选，cut默认返回分类类型）
df1['result'] = df1['result'].astype(float)

include_lowest=True确保最左侧区间包含最小值，严格符合左闭右开的匹配规则。

方法2：使用numpy.digitize #

通过numpy.digitize获取值所在区间的索引，再匹配对应左端点：

import numpy as np

bins = df2['col2'].tolist()
# digitize返回区间右边界的索引，减1得到左端点索引
indices = np.digitize(df1['col1'], bins, right=False) - 1
# 根据索引提取对应左端点
df1['result'] = df2['col2'].iloc[indices].values

right=False指定区间为左闭右开，和题目要求的规则一致，减1后刚好对应左端点的位置。

两种方法运行后，df1都会生成符合预期的result列。

内容的提问来源于stack exchange，提问作者AdR