Pandas按两DataFrame区间重叠映射列并对匹配值求和

区间重叠判断的核心逻辑：两个区间存在重叠的充要条件是 df1.Start < df2.End 且 df1.End > df2.Start，完全包含、部分重叠的场景都能覆盖，以下分两种数据量场景给出实现方案：

方案1：小数据量场景（万行级别以下） #

用交叉连接+条件筛选实现，写法简单直观：

import pandas as pd

# 给df1加唯一行标识，方便后续分组对齐
df1 = df1.reset_index(names='df1_id')
# 生成两个表的笛卡尔积
cross_df = df1.merge(df2, how='cross')
# 筛选出存在区间重叠的匹配行
overlap_df = cross_df[(cross_df['Start_x'] < cross_df['End_y']) & (cross_df['End_x'] > cross_df['Start_y'])]
# 按df1行分组求和Num，合并回原df1
result = df1.merge(
    overlap_df.groupby('df1_id')['Num'].sum().reset_index(name='Matched_Num'),
    on='df1_id',
    how='left'
).fillna({'Matched_Num': 0}) # 无匹配的行填充0，不需要可删除该行
# 删除临时标识列
result = result.drop(columns='df1_id')

方案2：大数据量场景 #

用pandas.IntervalIndex做重叠查询，性能远高于交叉连接：

# 将df2的区间转为IntervalIndex，closed参数根据你区间的开闭规则调整，可选left/right/both/neither
df2_intervals = pd.IntervalIndex.from_arrays(df2['Start'], df2['End'], closed='both')

# 逐行匹配重叠区间并求和
def calc_matched_num(row):
    current_interval = pd.Interval(row['Start'], row['End'], closed='both')
    overlap_mask = df2_intervals.overlaps(current_interval)
    return df2.loc[overlap_mask, 'Num'].sum()

df1['Matched_Num'] = df1.apply(calc_matched_num, axis=1)

注意：如果区间开闭规则和示例不同，仅需修改closed参数即可对齐业务逻辑。

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