如何基于另一DataFrame的数值范围匹配填充entity列？

先定义示例数据 #

首先把你给出的两个DataFrame用代码还原：

import pandas as pd

# 第一个DataFrame
df1 = pd.DataFrame({
    'value': ['a', 'b', 'c', 'd', 'e'],
    'id': [1, 2, 5, 8, 11]
})

# 第二个DataFrame（范围匹配表）
df2 = pd.DataFrame({
    'entity': ['ABC', 'DEF', 'XYZ'],
    'start_range': [1, 4, 8],
    'end_range': [3, 7, 15]
})

方法一：区间索引匹配（简洁直观） #

利用Pandas的IntervalIndex把范围转成可匹配的区间索引，直接通过索引映射获取对应entity：

# 从start_range和end_range创建闭区间索引（包含边界值）
interval_index = pd.IntervalIndex.from_arrays(
    df2['start_range'], 
    df2['end_range'], 
    closed='both'
)

# 将df2设置为区间索引，通过df1的id匹配对应的entity
df1['entity'] = df2.set_index(interval_index).loc[df1['id'], 'entity'].values

# 查看结果
print(df1)

运行后会直接得到你想要的结果，这种方式代码简洁，逻辑清晰，适合中小规模数据集。

方法二：merge_asof匹配（高效适用于大数据） #

如果你的数据集行数较多，merge_asof是更高效的选择，它通过近似匹配实现范围关联：

# 先对范围表按start_range排序（merge_asof要求右侧DataFrame按匹配键排序）
df2_sorted = df2.sort_values('start_range')

# 按id和start_range进行反向近似匹配（找到不大于当前id的最大start_range）
merged_df = pd.merge_asof(
    df1.sort_values('id'), 
    df2_sorted, 
    left_on='id', 
    right_on='start_range', 
    direction='backward'
)

# 过滤掉id超出对应end_range的情况（示例数据无此情况，实际场景可保留）
merged_df = merged_df[merged_df['id'] <= merged_df['end_range']]

# 恢复原DataFrame的顺序并整理列
result = merged_df.sort_index()[['value', 'id', 'entity']]

# 查看结果
print(result)

这种方法避免了逐行遍历，性能更优，适合处理十万级以上的大数据量。

内容的提问来源于stack exchange，提问作者aristotle29