Python如何判断DataFrame内的数值是否落在指定区间范围内

方法1：逐行匹配（适合小数据量场景） #

逻辑简单直观，代码易读性高，适合数据量不大的场景使用：

import pandas as pd

# 构造区间参考DataFrame
df_interval = pd.DataFrame({
    "Name": ["Blue", "Red", "Green", "Purple", "Yellow"],
    "Start": [10, 23, 89, 168, 21],
    "End": [28, 25, 107, 216, 40]
})

# 构造待校验DataFrame
df_check = pd.DataFrame({
    "Name": ["W", "X", "Y", "Z"],
    "Value": [37, 176, 43, 96]
})

contained = []
not_contained = []

for _, row in df_check.iterrows():
    current_val = row["Value"]
    # 筛选符合区间条件的匹配项
    match_res = df_interval[(df_interval["Start"] <= current_val) & (df_interval["End"] >= current_val)]
    if not match_res.empty:
        # 匹配成功加入contained，此处默认取第一个匹配区间，有多个匹配需求可自行调整逻辑
        contained.append({
            "check_name": row["Name"],
            "value": current_val,
            "matched_interval": match_res.iloc[0]["Name"]
        })
    else:
        # 无匹配加入not_contained
        not_contained.append({
            "check_name": row["Name"],
            "value": current_val
        })

print(contained)
print(not_contained)

方法2：IntervalIndex优化（适合大数据量场景） #

如果待校验数据或区间数量很大，用IntervalIndex可以大幅提升查询效率，避免逐行遍历的性能损耗：

# 构造左闭右闭的区间索引，绑定对应区间名称
interval_idx = pd.IntervalIndex.from_arrays(df_interval["Start"], df_interval["End"], closed="both")
interval_map = pd.Series(df_interval["Name"].values, index=interval_idx)

# 一次性完成所有值的匹配查询
df_check["matched_interval"] = df_check["Value"].map(interval_map)

# 直接拆分得到两个结果列表
contained = df_check[df_check["matched_interval"].notna()].to_dict("records")
not_contained = df_check[df_check["matched_interval"].isna()].drop(columns="matched_interval").to_dict("records")

内容的提问来源于stack exchange，提问作者Iacopo Passeri