如何基于另一DataFrame的分箱条件统计DataFrame中的值频次？

报错原因 #

你用df2.iloc[i]取出的是带索引的Series（索引为bin limits），而rain的索引是多层索引（longitude/latitude/year），两者索引不匹配，直接比较就会触发ValueError: Can only compare identically-labeled Series objects。同时你的循环逻辑只判断了rain>limit，没有处理分箱的区间范围，统计逻辑不正确。

正确解法 #

方法1：修正循环逻辑 #

先把分箱上限提取为标量列表，然后逐个统计每个区间的频次：

import pandas as pd

# 提取分箱上限为列表
limits = df2['bin limits'].tolist()
rain = df1['tp1']
counts = []

# 第一个分箱：降雨值 <= 第一个上限
counts.append(len(rain[rain <= limits[0]]))

# 中间分箱：降雨值 > 前一个上限 且 <= 当前上限
for i in range(1, len(limits)):
    mask = (rain > limits[i-1]) & (rain <= limits[i])
    counts.append(len(rain[mask]))

# 将统计结果赋值给df2
df2['count'] = counts

方法2：用pandas.cut高效实现 #

利用pandas内置的分箱函数cut，更简洁高效：

import pandas as pd

limits = df2['bin limits'].tolist()
# 定义分箱边界：左边界设为0（降雨非负），加上所有上限，最后加无穷大覆盖剩余值
bins = [0] + limits + [float('inf')]
# 对降雨数据分箱
rain_bins = pd.cut(df1['tp1'], bins=bins)
# 统计每个箱的频次并排序
bin_counts = rain_bins.value_counts().sort_index()
# 将对应区间的频次赋值给df2（去掉最后一个无穷大区间的统计）
df2['count'] = bin_counts.values[:-1]

验证结果 #

根据你提供的df1数据，最终df2的count列结果应为：

内容的提问来源于stack exchange，提问作者jw99