如何基于非均匀索引子集对Pandas DataFrame按区间取最大值重采样

问题场景 #

给定Pandas DataFrame和一组索引分界点selected_indexes，需要按左开右闭规则（即区间(a, b]保留终点b、排除起点a）划分索引区间，对每个区间内的col列取最大值，最终结果以区间终点作为索引。

示例数据 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({'col': [5, 0, 3, 3, 7, 9, 3, 5, 2, 4]}, index=range(10))
# 自定义索引分界点
selected_indexes = [0, 5, 6, 9]

解决方案 #

通过pd.cut将原索引映射到对应的区间标签（区间右端点），再分组取最大值即可实现需求：

# 构造区间边界：在分界点前添加负无穷，覆盖第一个分界点之前的索引
bins = [-float('inf')] + selected_indexes
# 用分界点作为每个区间的标签（即结果的索引）
labels = selected_indexes

# 为每个索引分配对应的区间标签
df['group'] = pd.cut(df.index, bins=bins, labels=labels, right=True)

# 按标签分组取最大值，整理结果格式
result = df.groupby('group')['col'].max().rename_axis(index=None).to_frame()

结果验证 #

运行上述代码后，result的输出与示例完全一致：

col
0    5
5    9
6    3
9    5

代码说明 #

• pd.cut(..., right=True)：指定区间为左开右闭，完美匹配需求中的规则；
• bins = [-float('inf')] + selected_indexes：确保第一个分界点0之前的索引（仅索引0）被分到第一个区间(-inf, 0]；
• groupby('group').max()：按区间标签分组后取最大值，最终通过rename_axis去掉分组索引的名称，保证结果格式符合预期。

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