如何查找并合并Pandas DataFrame中重叠或包含的区间行？

对于已按start列升序排列的DataFrame，合并所有存在重叠或包含关系的区间行，最简方法可通过分组聚合实现，具体如下：

实现代码 #

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'start': [100, 400, 450, 750, 920, 1000, 1100],
    'end': [500, 700, 580, 910, 940, 1200, 1300]
})

# 生成分组标识：当前行start大于上一行end时，标记为新组
group_id = (df['start'] > df['end'].shift(1)).cumsum()

# 按分组聚合，取每组最小start和最大end
merged_df = df.groupby(group_id).agg({'start': 'min', 'end': 'max'}).reset_index(drop=True)

print(merged_df)

输出结果 #

start   end
0    100   700
1    750   910
2    920   940
3   1000  1300

逻辑说明 #

1. 分组标识生成：用df['end'].shift(1)获取上一行的end值，与当前行start对比——若当前start更大，说明是独立新区间，生成True；否则属于同一合并组。cumsum()将布尔序列转为连续组ID，相同ID的行对应需要合并的区间。
2. 聚合合并：按组ID分组后，对start取最小值、end取最大值，直接得到合并后的最简区间。

内容的提问来源于stack exchange，提问作者Keyreall