基于双列范围匹配更新观测ID：道路分段ID修正咨询

这个问题我太熟悉了——道路施工导致分段ID重构但实际覆盖的公里范围没变，确实得靠范围匹配来修正ID。下面给你两种最常用的解决方案，不管用SQL还是Python都能搞定：

如果你的数据存在数据库里，用SQL直接关联更新是最高效的方式。核心思路是先找到同一条道路（通过id.agg）下公里范围完全匹配的新旧分段，再用新ID替换旧ID。

步骤1：创建匹配映射表 #

首先筛选出所有匹配的新旧ID对，存成临时表：

CREATE TEMP TABLE id_mapping AS
SELECT
    o.id AS old_id,
    n.id AS new_id
FROM old_roads o
JOIN new_roads n
    ON o."id.agg" = n."id.agg"  -- 确保是同一条道路
    AND o.ini = n.ini           -- 起始公里完全一致
    AND o.fin = n.fin;          -- 终止公里完全一致

步骤2：批量更新旧表ID #

用上面的映射表更新旧数据的分段ID：

UPDATE old_roads
SET id = m.new_id
FROM id_mapping m
WHERE old_roads.id = m.old_id;

处理微小误差的情况 #

如果施工导致公里数有极小的偏差（比如±0.01公里），可以调整匹配条件：

AND ABS(o.ini - n.ini) < 0.01
AND ABS(o.fin - n.fin) < 0.01

如果你的数据是CSV/Excel这类本地文件，用Pandas做匹配更新更灵活。

步骤1：读取并合并数据 #

先把新旧表读进来，基于道路唯一编码id.agg合并：

import pandas as pd

# 读取数据
old_df = pd.read_csv('old_roads.csv')
new_df = pd.read_csv('new_roads.csv')

# 按道路编码合并，保留旧表所有记录
merged_df = pd.merge(
    old_df,
    new_df,
    on='id.agg',
    suffixes=('_old', '_new'),
    how='left'
)

步骤2：筛选匹配记录并构建ID映射 #

找到公里范围匹配的行，生成旧ID到新ID的字典：

# 筛选完全匹配的记录（同样可以加误差容错）
matching_rows = merged_df[
    (merged_df['ini_old'] == merged_df['ini_new']) &
    (merged_df['fin_old'] == merged_df['fin_new'])
]

# 构建映射字典
id_mapping = matching_rows.set_index('id_old')['id_new'].to_dict()

步骤3：更新旧表ID并保存 #

用映射字典替换旧ID，没匹配到的保留原ID：

# 更新ID列
old_df['id'] = old_df['id'].map(id_mapping).fillna(old_df['id'])

# 保存结果
old_df.to_csv('updated_old_roads.csv', index=False)

• 一定要确保id.agg是可靠的道路唯一标识，否则会把不同道路的分段错误匹配
• 如果遇到一对多/多对一的情况（比如旧分段拆成多个新分段，或者多个旧分段合并成一个），需要调整匹配规则，比如检查范围重叠率（比如旧分段的90%以上范围落在新分段内）
• 批量更新前一定要用小样本测试，避免误改数据

内容的提问来源于stack exchange，提问作者Javmi