两个不同形状DataFrame用np.where多条件判断报错如何解决

你写的代码默认将nv1和db1按同索引行逐行比较，但两个DataFrame形状、索引都不匹配，所以触发ValueError: Can only compare identically-labeled Series objects错误。你的需求是对nv1每一行，检查是否匹配db1所有行的任意一个区间，而非仅匹配同索引行的区间。

提供两种实现方案，可根据数据量选择：

方案1：apply实现（适合小数据集，逻辑直观） #

import pandas as pd
import numpy as np

# 你的原有数据无需修改，新增如下逻辑
def check_novel(row):
    # 判断当前行的MinBP或MaxBP是否落在db1的任意区间内
    matched = ((db1['min_bp'] <= row['MinBP']) & (row['MinBP'] <= db1['max_bp'])) | \
              ((db1['min_bp'] <= row['MaxBP']) & (row['MaxBP'] <= db1['max_bp']))
    return 'No' if matched.any() else 'Yes'

nv1['Novel_in_Database'] = nv1.apply(check_novel, axis=1)

方案2：numpy广播实现（适合大数据集，性能更高） #

如果你的数据量过万，apply的循环开销会比较大，用向量化运算速度提升明显：

# 提取区间数组做广播匹配
db_arr = db1[['min_bp', 'max_bp']].values
nv_min = nv1['MinBP'].values[:, np.newaxis]
nv_max = nv1['MaxBP'].values[:, np.newaxis]

# 批量判断是否存在匹配区间
has_matched = (
    ((db_arr[:,0] <= nv_min) & (nv_min <= db_arr[:,1])) |
    ((db_arr[:,0] <= nv_max) & (nv_max <= db_arr[:,1]))
).any(axis=1)

nv1['Novel_in_Database'] = np.where(has_matched, 'No', 'Yes')

两种方案运行后得到的nv1均和预期输出一致。

内容的提问来源于stack exchange，提问作者zillur rahman