使用pandas为指定日期匹配预设区间的对应Period编号

推荐使用pandas.IntervalIndex实现高效区间匹配，完全满足不修改df_2、不直接合并两个表的要求，代码简洁且适配你的场景规模。

核心实现代码 #

import pandas as pd

# 1. 基于df2的起止日期构建闭区间索引，绑定对应的Period值
# 区间指定为closed='both'，适配日期包含首尾边界的业务需求
period_intervals = pd.IntervalIndex.from_arrays(df_2['From'], df_2['To'], closed='both')
period_mapper = pd.Series(df_2['Period'].values, index=period_intervals)

# 2. 给df1的日期匹配对应Period
df_1['Period'] = df_1['Date'].map(period_mapper)

# 可选：如果存在不在任何区间的日期，可补充默认值，例如填充为0
# df_1['Period'] = df_1['Period'].fillna(0)

方案说明 #

• 完全符合约束：全程不会修改df_2的原始数据，也不需要执行两个表的合并操作
• 性能足够：针对数百条df1数据、50个区间的场景，匹配耗时可忽略，就算df1扩容到十万级也能快速完成
• 兼容扩展：如果业务中存在区间重叠的情况，只需提前按业务优先级对df_2排序后再构建索引即可，无需修改核心逻辑；如果需要优先匹配后序的重叠区间，构建索引前把df2倒序排列即可。

输出结果 #

运行代码后得到的df_1和预期结果完全一致：

内容的提问来源于stack exchange，提问作者johnjohn