基于两个DataFrame按范围求和时遇错误：仅可比较标签一致的Series对象

原始数据 #

表t1 #

表t2 #

需求 #

为t1中的每个id，计算t2内idx处于对应mins至maxs区间的cons列数值之和。

报错信息 #

运行代码时出现如下错误：

error: can only compare identically-labeled Series objects

运行的代码 #

t2.loc[(t2['idx']>= t1['mins']) & (t2['idx']<=t1['maxs']), 'cons'].sum()

预期结果 #

解决方案 #

原因分析 #

原代码报错是因为t2['idx']是一维Series，而t1['mins']/t1['maxs']是长度为4的Series，两者标签不匹配，无法直接逐元素比较。需要为t1的每一行单独计算对应区间的求和。

方法1：使用apply逐行计算 #

import pandas as pd

# 构造示例数据
t1 = pd.DataFrame({
    'id': [43852, 63087, 63106, 63155],
    'mins': [11,14,14,14],
    'maxs': [11,15,15,15]
})

t2 = pd.DataFrame({
    'idx': range(1,17),
    'cons': [1.00,0.95,0.90,0.85,0.80,0.70,0.70,0.65,0.60,0.55,0.50,0.45,0.40,0.35,0.35,0.30]
})

# 定义区间求和函数
def calculate_sum(row):
    mask = (t2['idx'] >= row['mins']) & (t2['idx'] <= row['maxs'])
    return t2.loc[mask, 'cons'].sum()

# 应用到t1每一行
t1['result'] = t1.apply(calculate_sum, axis=1)
print(t1)

方法2：广播矩阵运算（适合大数据量） #

如果数据量较大，apply效率偏低，可通过广播生成布尔矩阵批量计算：

# 生成布尔矩阵：t1每行对应t2所有idx是否在区间内
mask = (t2['idx'].values >= t1['mins'].values[:, None]) & (t2['idx'].values <= t1['maxs'].values[:, None])

# 矩阵乘法快速求和
t1['result'] = mask @ t2['cons'].values
print(t1)

两种方法均可得到预期结果。

内容的提问来源于stack exchange，提问作者biyazelnut