如何高效根据区间阈值为DataFrame匹配生成对应ID新列？

高效实现方案 #

以下两种方案都可以完全避免手写if-else，支持任意数量的区间规则，性能远高于循环判断： #

方案1：pd.cut实现（优先推荐，适合连续无重叠无缝隙的区间场景） #

如果你的区间规则是连续无空隙的，直接用pandas内置的cut分箱函数性能最优，代码如下：

import pandas as pd

# 区间表命名为interval_df，待匹配的表命名为data_df
# 1. 先对区间表按最小值排序，避免原有顺序混乱导致匹配错误
sorted_intervals = interval_df.sort_values("Min_Value", ignore_index=True)
# 2. 提取区间断点
bins = sorted_intervals["Min_Value"].tolist() + [sorted_intervals["Max_Value"].iloc[-1]]
# 3. 分箱匹配生成对应ID
data_df["Matched_ID"] = pd.cut(
    x = data_df["Value"],
    bins = bins,
    labels = sorted_intervals["ID"],
    include_lowest = True, # 保证第一个区间的最小值可以被匹配到
    right = True # 代表区间是左闭右闭，如果你需要左闭右开可修改为False
)

方案2：IntervalIndex实现（通用场景，支持区间重叠/有空隙的情况） #

如果你的区间规则不是连续的，或者存在重叠、空隙的特殊场景，可以用IntervalIndex实现精准匹配：

# 1. 基于区间表生成IntervalIndex，closed参数指定区间开闭规则，both代表左右都包含
interval_index = pd.IntervalIndex.from_arrays(
    left = interval_df["Min_Value"],
    right = interval_df["Max_Value"],
    closed = "both"
)
# 2. 构建区间到ID的映射字典
interval_to_id = dict(zip(interval_index, interval_df["ID"]))
# 3. 遍历匹配Value对应的ID，匹配不到返回None
data_df["Matched_ID"] = data_df["Value"].apply(
    lambda x: next((interval_to_id[itv] for itv in interval_index if itv.contains(x)), None)
)

内容的提问来源于stack exchange，提问作者Mohammad Amir