如何在R中根据数值所属区间匹配第二个DataFrame的对应值

我有一个DataFrame（记为df1），列A包含0-50的数值；另有一个DataFrame（记为df2），包含列B（数值区间字符串）和列C（对应标签值）。需要给df1添加列D，值为列A数值所属df2中B区间对应的C值。

df1示例： #

df2示例： #

期望结果： #

方法一：拆分区间 + pd.cut映射 #

适合区间连续且无重叠的场景，步骤清晰直观：

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({'A': [1, 50]})
df2 = pd.DataFrame({'B': ['0-10', '11-20', '21-30', '31-40', '41-50'],
                    'C': ['Low', 'Medium-Low', 'Medium', 'Medium-High', 'High']})

# 拆分区间列B，提取上下限并转为整数类型
df2[['lower', 'upper']] = df2['B'].str.split('-', expand=True).astype(int)

# 准备分界点数组（需包含区间上限外的边界，确保最大值被覆盖）
bins = df2['lower'].tolist() + [df2['upper'].max() + 1]
# 对应标签数组
labels = df2['C'].tolist()

# 给df1添加列D，用pd.cut完成区间匹配
df1['D'] = pd.cut(df1['A'], bins=bins, labels=labels, include_lowest=True)

print(df1)

方法二：使用merge_asof匹配 #

适合区间有序且无重叠的场景，性能更优：

import pandas as pd

df1 = pd.DataFrame({'A': [1, 50]})
df2 = pd.DataFrame({'B': ['0-10', '11-20', '21-30', '31-40', '41-50'],
                    'C': ['Low', 'Medium-Low', 'Medium', 'Medium-High', 'High']})

# 拆分区间并转换数值类型
df2[['lower', 'upper']] = df2['B'].str.split('-', expand=True).astype(int)
# merge_asof要求右表按匹配键排序
df2_sorted = df2.sort_values('lower')
# 左表也按匹配键排序
df1_sorted = df1.sort_values('A')

# 按A值匹配最近的lower区间，方向为向后匹配
result = pd.merge_asof(df1_sorted, df2_sorted, left_on='A', right_on='lower', direction='backward')
# 过滤掉A值超出对应区间上限的情况
result = result[result['A'] <= result['upper']]
# 恢复原索引顺序并整理列名
df1['D'] = result.set_index(df1_sorted.index)['C']

print(df1)

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