Pandas无需apply按指定时间区间计算Timedelta索引数据集均值

无apply的矢量化实现方案 #

以下两种方案均和你原有计算逻辑（区间左闭右开[Start, Stop)）完全对齐，底层为C实现，数据量大时性能比逐行apply高数十到上百倍： #

方案1：IntervalIndex + 分组聚合（最简洁通用）

# 构造左闭右开的区间索引，匹配原有逻辑
intervals = pd.IntervalIndex.from_arrays(ranges["Start"], ranges["Stop"], closed="left")
# 为my_data每一行匹配所属的区间下标，不属于任何区间的返回-1
my_data["group_id"] = intervals.get_indexer(my_data.index)
# 过滤无效行后分组求均值，再对齐ranges的行顺序
result = my_data[my_data["group_id"] != -1].groupby("group_id")["data"].mean().reindex(range(len(ranges)))

输出结果：

0      7.5
1     60.0
2    122.5
Name: data, dtype: float64

方案2：merge_asof实现（适合区间无重叠的场景）

# 给每个区间加唯一id
ranges = ranges.reset_index(names="range_id")
# 按时间维度排序（乱序数据必须先执行这一步）
my_data_sorted = my_data.sort_index()
ranges_sorted = ranges.sort_values("Start")
# 匹配每个数据行所属的区间
merged = pd.merge_asof(my_data_sorted, ranges_sorted, left_index=True, right_on="Start")
# 过滤超出区间右边界的行，分组求均值后对齐原ranges顺序
result = merged[merged.index < merged["Stop"]].groupby("range_id")["data"].mean().reindex(range(len(ranges)))

注意事项 #

如果后续需要调整区间开闭规则，只需修改IntervalIndex的closed参数即可：

• closed="left"：左闭右开[a,b)，匹配你原有逻辑
• closed="right"：左开右闭(a,b]
• closed="both"：闭区间[a,b]
• closed="neither"：开区间(a,b)

内容的提问来源于stack exchange，提问作者Andrew