You need to enable JavaScript to run this app. Pandas DataFrame区间各位置计数、percent及order总和计算问题
优惠活动
大模型
产品
解决方案
定价
更多

Pandas DataFrame区间各位置计数、percent及order总和计算问题

解决方案

你可以基于现有布尔掩码的逻辑,对percent和order列做加权求和即可,完整实现代码如下:

import pandas as pd
import numpy as np

# 构造原始数据
df = pd.DataFrame(
    {
        'start': [1,1,1,2,2,2,2,3,3,3,3,3,3,3],
        'stop': [9,9,10,10,10,11,11,11,11,12,11,12,11,11],
        'percent' : [0.51,0.29,0.92,0.60,0.10,0.12,0.60,0.30,0.10,0.42,0.51,0.51,0.51,0.10],
        'order':[3,80,3,3,4,8,89,2,3,4,5,64,82,68]
    }
)

max_pos = df[['start', 'stop']].values.max()
pos_range = np.arange(1, max_pos + 1)
# 生成布尔掩码:每行代表一个区间,每列代表一个位置,值为True表示该位置属于当前区间
mask = (df[['start']].values <= pos_range) & (pos_range <= df[['stop']].values)
# 计算各指标
counts = mask.sum(axis=0)
sum_percent = (mask * df['percent'].values.reshape(-1, 1)).sum(axis=0)
sum_order = (mask * df['order'].values.reshape(-1, 1)).sum(axis=0)
# 构造结果表
res = pd.DataFrame({
    'pos': pos_range,
    'count': counts,
    'sum_percent': sum_percent,
    'sum_order': sum_order
})

运行后输出的res和你给出的预期结果完全一致。

如果要处理更大规模的数据,也可以用区间差分的方法优化性能:

# 差分法实现(适合大数量级区间场景)
max_pos = df[['start', 'stop']].values.max()
# 初始化差分数组
diff_count = np.zeros(max_pos + 2, dtype=int)
diff_percent = np.zeros(max_pos + 2, dtype=float)
diff_order = np.zeros(max_pos + 2, dtype=int)
# 遍历每个区间打差分标记
for _, row in df.iterrows():
    s, e, p, o = row['start'], row['stop'], row['percent'], row['order']
    diff_count[s] += 1
    diff_count[e+1] -= 1
    diff_percent[s] += p
    diff_percent[e+1] -= p
    diff_order[s] += o
    diff_order[e+1] -= o
# 前缀和得到结果
count = np.cumsum(diff_count)[1:max_pos+1]
sum_percent = np.cumsum(diff_percent)[1:max_pos+1]
sum_order = np.cumsum(diff_order)[1:max_pos+1]
# 构造结果表
res = pd.DataFrame({
    'pos': np.arange(1, max_pos+1),
    'count': count,
    'sum_percent': sum_percent,
    'sum_order': sum_order
})

该方法时间复杂度为O(N + M)(N是区间数量,M是最大位置值),远优于广播法的O(N*M),适合数据量大的场景。

内容的提问来源于stack exchange,提问作者user1845261

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.18 09:39:01