在Python Pandas中匹配DataFrame的ID并判断值是否在指定范围内

没问题，我来帮你搞定这个需求！首先我先补全一下df2的示例结构——毕竟你没给出它的具体内容，我假设它是每个ID对应一个数值范围（比如包含Start和End列），这也是这类需求最常见的场景，示例代码如下：

import numpy as np
import pandas as pd

# 你提供的df1
df1 = pd.DataFrame({
    'ID': pd.Series(["A","A","C","C"]),
    'Pos': pd.Series([10, 60, 63, 105], dtype='int64')
})

# 假设的df2：每个ID对应一个数值范围
df2 = pd.DataFrame({
    'ID': pd.Series(["A","B","C"]),
    'Start': pd.Series([5, 20, 60], dtype='int64'),
    'End': pd.Series([50, 40, 100], dtype='int64')
})

接下来咱们一步步实现需求：

步骤1：基于ID合并两个DataFrame #

用pd.merge把两个表按ID关联起来，这样每个df1的行都能拿到对应ID的范围边界：

# 左连接保留df1的所有行，即使df2里没有对应ID
merged_df = pd.merge(df1, df2, on='ID', how='left')

步骤2：验证Pos是否落在对应范围内 #

用between方法快速判断Pos是否在Start和End之间，生成一个布尔列标记结果：

# 添加Is_Matched列，标记是否满足ID匹配且Pos在范围内
merged_df['Is_Matched'] = merged_df['Pos'].between(merged_df['Start'], merged_df['End'])
# 对于df2中没有的ID（比如如果df1有ID=B），Start/End会是NaN，between结果自动为False

最终结果展示 #

运行完上面的代码后，merged_df的内容会是这样：

如果你需要的是只保留满足条件的行，直接过滤即可：

matched_rows = merged_df[merged_df['Is_Matched']]

补充说明 #

• 如果df2中同一个ID对应多个范围，这个方法依然有效——合并后会生成多行，分别对应每个范围的验证结果
• 如果你不需要保留合并后的范围列，可以最后用drop删掉：merged_df = merged_df.drop(['Start', 'End'], axis=1)

内容的提问来源于stack exchange，提问作者SemiQuant