Pandas中如何按指定起止范围选择DataFrame行并应用线性函数

第一步：生成区间配对 #

先把两个起止表的Sample列一一对应，生成区间列表：

intervals = list(zip(Range_Start['Sample'], Range_End['Sample']))

第二步：选择区间数据 #

方法1：布尔掩码法（最高效，适合10万行以上大数据集） #

一次性生成全量行的命中标记，无需循环拼接，性能最优：

import pandas as pd
import numpy as np

# 初始化全False的掩码，索引和A对齐
mask = pd.Series(False, index=A.index)
for start, end in intervals:
    # 左闭右闭区间匹配，需要左闭右开就把末尾的<=改成<
    mask |= (A.index >= start) & (A.index <= end)

# 提取所有符合条件的行
selected_df = A[mask]

注意：如果你的索引是行的整数位置而非自定义行标签，把A.index替换为np.arange(len(A))即可。

方法2：切片拼接法（适合小数据量，逻辑直观） #

区间数量少的时候可以直接切分后拼接，代码更简洁：

# 按行标签索引（左闭右闭）
selected_df = pd.concat([A.loc[start:end] for start, end in intervals])

# 如果是按整数位置索引，改用iloc（注意iloc是左闭右开，结束位要+1）
# selected_df = pd.concat([A.iloc[start:end+1] for start, end in intervals])

第三步：对选中行应用线性函数 #

比如要对目标列target_col应用y = 斜率*x + 截距的线性变换，直接修改原表即可：

slope = 3  # 替换为你的斜率
intercept = 10  # 替换为你的截距
A.loc[mask, 'target_col'] = slope * A.loc[mask, 'target_col'] + intercept

内容的提问来源于stack exchange，提问作者Nadila