如何用np.where判断DataFrame中COL A数值是否在COL B嵌套列表区间内？

错误原因分析 #

你之前的代码报错是因为test_df['COL B'][0][0]是取整列第一个元素的区间起始值，而非逐行读取对应行的区间参数。这种写法无法适配每行不同的嵌套列表，甚至当某行COL B为空列表时会直接触发索引越界错误。

向量化解决方案思路与代码 #

方法一：apply结合numpy向量化判断（推荐，灵活高效） #

利用apply逐行传递数据，但内部用numpy的广播和any()实现向量化判断，比纯for循环效率提升明显，且适配任意数量的区间：

import pandas as pd
import numpy as np

# 构造测试数据
test_df = pd.DataFrame({
    'COL A': [5, 15, 25, 35],
    'COL B': [
        [[1, 10], [12, 20]],
        [[0, 5], [20, 30]],
        [[15, 25]],
        [[30, 40], [50, 60]]
    ]
})

def check_in_ranges(val, ranges):
    # 将嵌套区间转为numpy数组，广播判断数值是否落在任意区间内
    ranges_arr = np.array(ranges)
    return np.any((val >= ranges_arr[:, 0]) & (val <= ranges_arr[:, 1]))

# 逐行调用判断函数
test_df['inRange'] = test_df.apply(
    lambda row: 'match' if check_in_ranges(row['COL A'], row['COL B']) else 'no match',
    axis=1
)

方法二：explode展开后批量聚合（纯向量化，大数据量首选） #

通过explode将每行的嵌套区间展开为单独行，批量完成区间判断后再按原索引聚合结果，完全避免逐行循环：

# 展开嵌套区间并保留原索引
exploded_df = test_df.explode('COL B').reset_index()
# 将区间拆分为起始、结束两列
exploded_df[['start', 'end']] = pd.DataFrame(exploded_df['COL B'].tolist(), index=exploded_df.index)
# 标记当前区间是否匹配COL A的值
exploded_df['is_match'] = (exploded_df['COL A'] >= exploded_df['start']) & (exploded_df['COL A'] <= exploded_df['end'])
# 按原索引聚合，只要有一个匹配则标记为match
match_result = exploded_df.groupby('index')['is_match'].any().map({True: 'match', False: 'no match'})
test_df['inRange'] = match_result.values

方法三：numpy广播（适合区间数量固定的场景） #

如果每行COL B的区间数量完全一致，可以直接用numpy广播实现纯向量化运算，效率最高：

# 将COL B的嵌套列表转为三维numpy数组（行数 × 区间数 × 起止值）
ranges_arr = np.array(test_df['COL B'].tolist())
# 广播判断每行COL A是否落在任意区间内
is_match = (test_df['COL A'].values[:, np.newaxis] >= ranges_arr[:, :, 0]) & (test_df['COL A'].values[:, np.newaxis] <= ranges_arr[:, :, 1])
# 转换为最终结果
test_df['inRange'] = np.where(is_match.any(axis=1), 'match', 'no match')

方法选型建议 #

• 方法一：代码简洁，适配任意数量的区间，兼顾效率与灵活性，适合绝大多数场景
• 方法二：纯向量化操作，大数据量下性能最优，适合百万级以上数据处理
• 方法三：仅适用于每行区间数量固定的情况，性能最优但灵活性差

内容的提问来源于stack exchange，提问作者James