如何在Pandas中匹配数值所在区间并获取对应列值完成计算？

我来帮你搞定这个需求——判断数值落在指定区间，取对应sample值求和。下面是几种不同场景下的解决方案，你可以根据自己的数据量和需求选择：

方法1：用pd.cut()快速划分区间（适合单个/少量数值） #

这个方法逻辑很直白，先把range列的数值作为区间分界点，再把x放到对应的区间里，直接映射sample值就行。

步骤&代码： #

import pandas as pd

# 先初始化你的映射DataFrame
map_dict = { 
    'range' : [50, 100, 200, 500, 1000, 2000, 5000, 10000, 20000, 40000, 80000, 120000], 
    'sample' : [1000, 1000, 1000, 1000, 2000, 2000, 2000, 2000, 2000, 2000, 2000, 2000] 
}
df_map = pd.DataFrame.from_dict(map_dict)

# 定义区间的分界点，要加上最左和最右的边界（处理x<=50或者x>120000的情况）
bins = [-float('inf')] + df_map['range'].tolist() + [float('inf')]

# 给每个区间对应上sample值，最后一个区间（x>120000）用最后一个sample值
labels = df_map['sample'].tolist() + [df_map['sample'].iloc[-1]]

# 测试你的例子：x=4000
x = 4000
# 把x分到对应的区间，拿到sample值
sample_val = pd.cut([x], bins=bins, labels=labels, include_lowest=True)[0]
# 求和
result = x + sample_val
print(result)  # 输出6000，完全符合你的要求

细节说明： #

• include_lowest=True是为了让第一个区间包含x<=50的情况
• 如果要批量处理多个x，直接把x放到一个Series里传给pd.cut()就行，它会批量处理

方法2：用pd.merge_asof()高效批量匹配（适合大数据量） #

如果你要处理很多个x值（比如一整个DataFrame的数值），用merge_asof效率会高很多，它专门用来做这种区间型的匹配。

步骤&代码： #

import pandas as pd

# 初始化映射DataFrame
map_dict = { 
    'range' : [50, 100, 200, 500, 1000, 2000, 5000, 10000, 20000, 40000, 80000, 120000], 
    'sample' : [1000, 1000, 1000, 1000, 2000, 2000, 2000, 2000, 2000, 2000, 2000, 2000] 
}
df_map = pd.DataFrame.from_dict(map_dict)

# 假设我们有一批x要处理
df_x = pd.DataFrame({'x': [300, 4000, 150000]})

# merge_asof要求两边的DataFrame都按匹配键排序，所以先排序
df_x_sorted = df_x.sort_values('x')
df_map_sorted = df_map.sort_values('range')

# 给映射表加一列前一个range值，这样我们就能明确区间是(prev_range, range]
df_map_sorted['prev_range'] = df_map_sorted['range'].shift(1).fillna(-float('inf'))

# 用merge_asof找到每个x对应的区间行
merged = pd.merge_asof(df_x_sorted, df_map_sorted, left_on='x', right_on='prev_range', direction='forward')

# 处理x大于最大range的情况，补上最后一个sample值
merged['sample'] = merged['sample'].fillna(df_map_sorted['sample'].iloc[-1])

# 计算求和结果
merged['result'] = merged['x'] + merged['sample']
print(merged)

输出结果： #

x    range  sample  prev_range  result
0      300    500.0    1000       200.0    1300
1     4000    5000.0    2000      2000.0    6000
2  150000       NaN    2000         NaN  152000

方法3：自定义函数+apply（逻辑直观，适合小数据量） #

如果数据量不大，你也可以写个自定义函数，手动找区间，逻辑一眼就能看明白。

步骤&代码： #

import pandas as pd

map_dict = { 
    'range' : [50, 100, 200, 500, 1000, 2000, 5000, 10000, 20000, 40000, 80000, 120000], 
    'sample' : [1000, 1000, 1000, 1000, 2000, 2000, 2000, 2000, 2000, 2000, 2000, 2000] 
}
df_map = pd.DataFrame.from_dict(map_dict)

def calculate_sum(x):
    # 找到第一个比x大的range的索引
    first_larger_idx = df_map[df_map['range'] > x].index.min()
    
    if pd.isna(first_larger_idx):
        # x比所有range都大，取最后一个sample
        sample_val = df_map['sample'].iloc[-1]
    elif first_larger_idx == 0:
        # x比第一个range还小，取第一个sample
        sample_val = df_map['sample'].iloc[0]
    else:
        # x落在前一个range和当前range之间，取对应sample
        sample_val = df_map['sample'].iloc[first_larger_idx]
    
    return x + sample_val

# 测试单个x
print(calculate_sum(4000))  # 输出6000
# 批量处理
df_x = pd.DataFrame({'x': [300, 4000, 150000]})
df_x['result'] = df_x['x'].apply(calculate_sum)
print(df_x)

说明： #

这个方法的好处是逻辑清晰，新手也能看懂，但数据量大的时候，apply的速度会比前两种方法慢一些，所以适合小数据集。

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