Python Pandas如何基于另一DataFrame的区间条件更新指定列值

错误原因 #

你写的代码报错有两个核心问题：

1. apply传入的参数是df1['location']列的值，你实际需要判断的是latitude列的数值，参数对象就错了
2. 直接拿长度不同的两个Series做between比较，pandas要求做逐元素比较的Series索引和长度必须一致，所以抛出ValueError

实现方法 #

这里提供3种不同场景下的实现方案：

方案1：小规模数据适用，直接逐行匹配

def match_location(lat):
    res = df2[(df2["min_latitude"] <= lat) & (df2["max_latitude"] >= lat)]
    return res["location"].iloc[0] if not res.empty else pd.NA

df1["location"] = df1["latitude"].apply(match_location)

方案2：区间无重叠且有序时适用，性能更高的pd.cut实现

# 构造区间分箱和对应的标签
bins = sorted(df2["min_latitude"].tolist() + df2["max_latitude"].tolist())
labels = df2.sort_values("min_latitude")["location"].tolist()

df1["location"] = pd.cut(
    df1["latitude"], 
    bins=bins, 
    labels=labels, 
    include_lowest=True
)

方案3：大规模数据适用，pandas 2.2+ 条件合并实现

df1 = df1.merge(
    df2,
    how="left",
    condition=[
        df1["latitude"] >= df2["min_latitude"],
        df1["latitude"] <= df2["max_latitude"]
    ]
)[["location", "latitude"]]

以上任意一种方案运行后都可以得到你预期的输出结果。

内容的提问来源于stack exchange，提问作者gaphalpa