如何在Pandas中实现DataFrame区间关联与多规则分组聚合？

这是个很典型的Pandas区间关联+分组聚合场景，我来一步步给你拆解实现步骤：

1. 预处理数据 #

首先确保两个DataFrame的Section和Chainage列格式正确，并且按Section+Chainage排序，方便后续区间匹配：

import pandas as pd

# 假设你已经加载好DataFrame1和DataFrame2，分别命名为df1、df2
df1 = df1.sort_values(['Section', 'Chainage']).reset_index(drop=True)
df2 = df2.sort_values(['Section', 'Chainage']).reset_index(drop=True)

2. 为df1生成区间边界 #

因为df1的Chainage是5米间隔，我们给每一行添加对应的区间起始和结束值（这里默认区间是左闭右开，比如Chainage=0对应[0,5)的范围，你可以根据实际需求调整开闭方向）：

df1['Chainage_Start'] = df1['Chainage']
df1['Chainage_End'] = df1['Chainage'] + 5

3. 按Section分组处理区间匹配与聚合 #

我们需要针对每个Section单独处理（避免不同Section的Chainage区间混淆），通过groupby+apply实现：

def process_single_section(group):
    # 获取当前处理的Section名称
    current_section = group.name
    # 筛选df2中对应Section的数据
    df2_subset = df2[df2['Section'] == current_section].copy()
    
    # 生成区间边界：用df1的起始值 + 最后一个区间的结束值
    bins = pd.concat([group['Chainage_Start'], pd.Series([group['Chainage_End'].iloc[-1]])], ignore_index=True)
    # 用df1的Chainage值作为区间标签，方便后续关联
    interval_labels = group['Chainage']
    
    # 将df2的Chainage映射到对应的df1区间
    df2_subset['Matching_Chainage'] = pd.cut(
        df2_subset['Chainage'],
        bins=bins,
        labels=interval_labels,
        include_lowest=True,  # 确保第一个区间包含起始值
        right=False  # 左闭右开，若需要右闭左开则改为True
    )
    
    # 关联df1的Frame列
    df2_subset = df2_subset.merge(
        group[['Section', 'Chainage', 'Frame']],
        left_on=['Section', 'Matching_Chainage'],
        right_on=['Section', 'Chainage'],
        how='left'
    )
    
    # 定义聚合规则：列1求和，列2取最大值，3-8取平均值，Frame取唯一值
    agg_rules = {
        '1': 'sum',
        '2': 'max',
        '3': 'mean',
        '4': 'mean',
        '5': 'mean',
        '6': 'mean',
        '7': 'mean',
        '8': 'mean',
        'Frame': 'first'  # 每个区间对应唯一的Frame，取第一个即可
    }
    
    # 执行聚合并整理结果
    aggregated = df2_subset.groupby(['Section', 'Matching_Chainage', 'Frame']).agg(agg_rules).reset_index()
    aggregated.rename(columns={'Matching_Chainage': 'Chainage'}, inplace=True)
    return aggregated

# 应用到所有Section，得到最终结果
final_result = df1.groupby('Section').apply(process_single_section).reset_index(drop=True)

关键注意事项 #

• 区间开闭调整：如果你的业务逻辑是右闭左开（比如Chainage=5属于5-10区间），只需把pd.cut中的right参数改为True即可。
• 边界值处理：如果df2中存在超出df1最大Chainage+5的Chainage值，pd.cut会将其标记为NaN，你可以根据需求添加过滤逻辑（比如df2_subset = df2_subset.dropna(subset=['Matching_Chainage'])）。
• 非连续Chainage：如果df1的Chainage不是严格连续的5米间隔（比如存在缺失行），这个方法依然有效，因为区间是基于df1实际存在的Chainage值生成的。

内容的提问来源于stack exchange，提问作者user55641