如何统计落在df_1各时间区间内的df_2数据行数

这里提供两种常用实现方式，可根据数据量大小选择：

• 方案1：apply 逐行判断（适合小数据量，写法直观）
  核心逻辑是遍历 df_1 每一行，统计 df_2 中time落在当前行时间区间的行数，代码示例如下：

  import pandas as pd
  
  # 构造示例数据（实际使用时替换为自己的数据源即可）
  df_1 = pd.DataFrame({
      'start_time': [0, 77, 220, 268, 391],
      'end_time': [30, 107, 250, 298, 421]
  })
  df_2 = pd.DataFrame({
      'time': [100, 392, 399]
  })
  
  # 核心计算逻辑
  df_1['count'] = df_1.apply(
      lambda row: ((df_2['time'] >= row['start_time']) & (df_2['time'] <= row['end_time'])).sum(),
      axis=1
  )
  
  # 输出结果
  print(df_1)
  

• 方案2：向量化广播运算（适合大数据量，性能更高）
  利用numpy广播特性做批量判断，避免Python层循环开销，性能远超逐行apply，代码示例如下：

  import pandas as pd
  import numpy as np
  
  # 构造示例数据同上
  df_1 = pd.DataFrame({
      'start_time': [0, 77, 220, 268, 391],
      'end_time': [30, 107, 250, 298, 421]
  })
  df_2 = pd.DataFrame({
      'time': [100, 392, 399]
  })
  
  # 核心计算逻辑
  time_arr = df_2['time'].values
  start_arr = df_1['start_time'].values[:, None]
  end_arr = df_1['end_time'].values[:, None]
  df_1['count'] = ((time_arr >= start_arr) & (time_arr <= end_arr)).sum(axis=1)
  
  # 输出结果
  print(df_1)
  

两种方案运行后输出的df_1都和给出的预期结果完全一致。

内容的提问来源于stack exchange，提问作者MattiH