如何用Pandas/Numpy判断行内值是否在指定区间并生成isZone列

第一步：优化获取各Zone的上下限 #

你原来的for循环可以用groupby直接聚合，避免逐行循环，效率更高：

# 按Labels分组，每组按level排序后取首尾行（对应min和max的行）
grouped = df_labels.groupby('Labels').apply(lambda x: x.sort_values('level').iloc[[0, -1]])
# 提取测量列的上下限，整理为数组格式
# bounds形状为 (Zone数量, 2, 4)，对应[每个Zone, min/max, 4个测量列]
bounds = grouped.drop(['Labels', 'level'], axis=1).values.reshape(-1, 2, 4)
# 拆分出min和max数组，形状均为(Zone数量, 4)
filter_mins = bounds[:, 0, :]
filter_maxs = bounds[:, 1, :]

第二步：用Numpy向量化判断生成isZone列 #

利用Numpy的广播特性，实现全量数据的快速判断，无需逐行循环：

import numpy as np

# 提取测量数据为Numpy数组，形状为(行数, 4)
meas_data = df_meas[['meas1', 'meas2', 'meas3', 'meas4']].values

# 广播比较：判断每个测量值是否落在对应Zone的区间内
# 扩展meas_data维度为(行数, 1, 4)，与(Zone数量,4)的上下限数组广播，得到(行数, Zone数量,4)的布尔数组
in_zone = (meas_data[:, None, :] >= filter_mins) & (meas_data[:, None, :] <= filter_maxs)

# 逐行判断：是否存在任意Zone，该行有至少一个测量值落在该Zone区间内
# 先对每个Zone的4个测量值取any（是否有值在区间），再对所有Zone取any（是否有符合条件的Zone）
df_meas['isZone'] = in_zone.any(axis=2).any(axis=1)

关键说明 #

• 整个过程完全基于Numpy向量化操作，避免了Python层面的循环，处理数千行数据的速度会比Pandas逐行判断快一个数量级以上。
• 广播机制自动完成了行与Zone的全量匹配，无需手动嵌套循环。
• 如果你的需求是判断每个测量值是否落在对应Zone的区间（而非任意Zone），只需调整最后一步的聚合逻辑即可。

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