如何在Python中对比两个DataFrame索引并填充df1的C列？

嘿，这个需求刚好对应Pandas里的前向区间匹配场景，用merge_asof或者pd.cut都能轻松实现，下面给你详细拆解：

先明确需求逻辑 #

你的规则是：df1的索引值落在df2两个相邻索引之间时，就取df2中前一个索引对应的Name（比如3、4在2和5之间→Tom；6、7在5和8之间→Jack，最后15、16大于14→Lucy）。

方法1：用merge_asof（推荐，大数据量更高效） #

merge_asof专门用来处理"按键匹配最近的前/后值"的场景，完全契合我们的需求：

步骤1：构造示例数据（方便你复现） #

import pandas as pd
import numpy as np

# 构建df1
df1 = pd.DataFrame(
    data={'A': ['a','b','c','d','e','f','g','h','i','j']},
    index=[3,4,6,7,9,10,12,13,15,16]
)
df1['C'] = np.nan

# 构建df2，并把索引转为列（merge_asof需要基于列匹配）
df2 = pd.DataFrame(
    data={'Name': ['Tom','Jack','Rose','Marrie','Lucy']},
    index=[2,5,8,11,14]
).reset_index().rename(columns={'index': 'N'})

步骤2：执行前向匹配并填充 #

# 把df1的索引转为临时列，用于匹配
df1_temp = df1.reset_index().rename(columns={'index': 'idx'})

# 用merge_asof匹配：找df2中N <= df1.idx的最大N对应的Name
merged_df = pd.merge_asof(df1_temp, df2, left_on='idx', right_on='N', direction='forward')

# 将匹配到的Name赋值回df1的C列，恢复原索引
df1['C'] = merged_df['Name']
df1 = df1.set_index('idx')

方法2：用pd.cut（手动划分区间，逻辑直观） #

如果你更喜欢手动定义区间的方式，pd.cut也能实现：

# 定义区间边界：df2的N值 + 无穷大（覆盖最后一组数据）
bins = df2['N'].tolist() + [float('inf')]
# 定义每个区间对应的Name标签
labels = df2['Name'].tolist()

# 给df1的索引划分区间，映射到对应的Name
df1['C'] = pd.cut(df1.index, bins=bins, labels=labels, include_lowest=True)

最终结果 #

两种方法执行后，df1都会变成你想要的样子：

内容的提问来源于stack exchange，提问作者FunkyMore