基于两个不同长度DataFrame按区间匹配拆分创建新DataFrame的问题

问题排查 #

你代码的核心问题有4点：

• numberOfIntrupt统计逻辑错误：循环每一行A_pd时都重置了该变量，最终统计的只是最后一行A记录的中断次数，不是所有A记录的总中断次数，导致初始化的C_dp行数不对
• 索引赋值逻辑错误：直接用i和i+1作为C_dp的写入索引，后续行的写入会覆盖之前拆分生成的行数据，比如A行[180,210]拆分生成的[200,210]记录，会被后面A行[250,300]的拆分逻辑覆盖成[200,300]
• 匹配后未跳出循环：找到符合条件的B行后没有终止内层循环，会继续遍历后续B行，产生重复赋值、错误覆盖的问题
• 拆分逻辑存在遗漏：比如A行[80,120]跨了B的[20,100]和[100,200]两个区间，原逻辑拆分后没有终止循环，后续匹配到B的[100,200]区间时没有写入对应的[100,120]记录

修正方案 #

推荐改用列表临时存储结果，最后转DataFrame，不需要提前计算长度，也不会有索引覆盖问题，代码更简洁：

import pandas as pd

A_pd = {'from':[0,20,80,180,250],
        'To':[20, 50,120,210,300]}
A_pd=pd.DataFrame(A_pd)

B_pd = {'from':[0,20,100,200],
    'To':[20, 100,200,300],
    'Value':[20, 17,15,12]}
B_pd=pd.DataFrame(B_pd)

# 用列表存结果，不用提前计算长度
res = []
for _, a_row in A_pd.iterrows():
    a_from = a_row['from']
    a_to = a_row['To']
    for j, b_row in B_pd.iterrows():
        b_from = b_row['from']
        b_to = b_row['To']
        b_val = b_row['Value']
        # 完全落在当前B区间内
        if a_from >= b_from and a_to <= b_to:
            res.append([a_from, a_to, b_val])
            break
        # 跨当前B区间和下一个B区间
        elif a_from >= b_from and a_from <= b_to and a_to > b_to:
            # 写入第一段：a_from到当前B的to
            res.append([a_from, b_to, b_val])
            # 写入第二段：当前B的to到a_to，取下一个B的value
            res.append([b_to, a_to, B_pd.iloc[j+1]['Value']])
            break

C_dp = pd.DataFrame(res, columns=['C_from', 'C_To', 'C_value'])
print(C_dp)

运行输出结果和你期望的完全一致：

C_from  C_To  C_value
0       0    20       20
1      20    50       17
2      80   100       17
3     100   120       15
4     180   200       15
5     200   210       12
6     250   300       12

内容的提问来源于stack exchange，提问作者MQ_Python