如何基于区间条件合并两个DataFrame

区间匹配合并DataFrame解决方案 #

适用场景 #

你需要将带区间字段的表和带数值字段的表做关联，匹配数值落在区间范围内的对应行，以下是两种常用实现方案：

前置依赖 #

需要使用pandas库，确保已完成安装导入：

import pandas as pd

方案1：merge_asof实现（推荐，性能更高，适合大数据量） #

要求区间表的起始字段预先排序，匹配效率远高于条件过滤

# 假设df1为区间表，字段为：区间起始start、区间结束end、其他自定义字段
# 假设df2为待匹配表，字段为：匹配值value、其他自定义字段
# 1. 对两个表的匹配字段排序
df1 = df1.sort_values('start').reset_index(drop=True)
df2 = df2.sort_values('value').reset_index(drop=True)

# 2. 按最近起始值匹配
merged_df = pd.merge_asof(df2, df1, left_on='value', right_on='start')

# 3. 过滤出数值落在区间范围内的有效行
# 如果你是左闭右开区间，把<=改成<即可
merged_df = merged_df[merged_df['value'] <= merged_df['end']]

方案2：笛卡尔积+条件过滤（逻辑直观，适合小数据量） #

逻辑无需提前排序，代码好理解，但数据量超过1万行后性能会明显下降

# 加临时连接键生成笛卡尔积
df1['tmp_join_key'] = 1
df2['tmp_join_key'] = 1

# 全量关联后过滤符合区间条件的行
merged_df = df2.merge(df1, on='tmp_join_key').drop('tmp_join_key', axis=1)
merged_df = merged_df[(merged_df['value'] >= merged_df['start']) & (merged_df['value'] <= merged_df['end'])]

你只需要把示例代码里的字段名替换成你实际表的对应字段，即可得到符合要求的合并结果。

内容的提问来源于stack exchange，提问作者Mat