Pandas基于查找表判断数值所属区间的高效实现方法

开发者阿泽

2026-10-1

高效实现方案

我们可以用Pandas+Numpy的向量化运算完全替代双层循环，不仅适配动态区间的规则，处理百万级数据也能保持高性能，代码如下：

import pandas as pd
import numpy as np

# 初始数据
numbers = pd.DataFrame(columns=['number'], data=[50, 65, 75, 85, 90])
ranges = pd.DataFrame(
    columns=['range','range_min','range_max'],
    data=[['A',90,100], ['B',85,95], ['C',70,80]]
)

# 1. 广播生成布尔矩阵：行对应numbers的数值，列对应ranges的区间，值为True代表该数值命中对应区间
mask = (numbers['number'].values[:, None] >= ranges['range_min'].values) & \
       (numbers['number'].values[:, None] <= ranges['range_max'].values)

# 2. 统计每个数值的命中区间数、命中的区间名
hit_counts = mask.sum(axis=1)
hit_ranges = np.where(mask, ranges['range'].values, '')

# 3. 按规则生成结果列
conditions = [
    hit_counts == 0,
    hit_counts == 1,
    hit_counts >= 2
]
choices = [
    'out_of_range',
    np.char.strip(np.sum(hit_ranges.astype(str), axis=1)),
    'overlap'
]
numbers['detected_range'] = np.select(conditions, choices)

执行后得到的numbers表和你要求的输出完全一致。