根据来自另一个数据框的行范围添加/填充熊猫列

Question

使用熊猫，我已经按时间样本对df1进行了索引：data = '''\time       flags    input                  8228835.0  53153.0  32768.08228837.0  53153.0  32768.08228839.0  53153.0  32768.08228841.0  53153.0  32768.08228843.0  61345.0  32768.0'''fileobj = pd.compat.StringIO(data)df1 = pd.read_csv(fileobj, sep='\s+', index_col='time')df2以开始和结束指示时间范围，以定义“ check”状态为True的范围：data = '''\        check     start       end20536   True   8228837   822899320576   True   8232747   823286920554   True   8230621   823076120520   True   8227351   822750720480   True   8223549   822366920471   True   8221391   8221553'''fileobj = pd.compat.StringIO(data)df2 = pd.read_csv(fileobj, sep='\s+')我需要做的是在df1中添加一列“检查”，并用True值填充df2中定义的实际时间范围。所有其他人都应该是错误的。一个示例结果将是：             flags    input    checktime                       8228835.0  53153.0  32768.0    False8228837.0  53153.0  32768.0    True8228839.0  53153.0  32768.0    True8228841.0  53153.0  32768.0    True8228843.0  61345.0  32768.0    True....8228994.0. 12424.0. 32768.0.   False

Answer 1

您可以创建一个列表或范围，然后pd.Index.isin与使用itertools.chain：

from itertools import chain

df2 = df2[df2['check']]

ranges = map(range, df2['start'], df2['end'])

df1['check'] = df1.index.isin(chain.from_iterable(ranges))

print(df1)

             flags    input  check

time                              

8228835.0  53153.0  32768.0  False

8228837.0  53153.0  32768.0   True

8228839.0  53153.0  32768.0   True

8228841.0  53153.0  32768.0   True

8228843.0  61345.0  32768.0   True

Answer 2

我想你可以使用IntervalIndex与loc

df2.index=pd.IntervalIndex.from_arrays(df2.start,df2.end,'both')

df2.loc[df.index]

Out[174]: 

        check  start  end

[1, 2]   True      1    2

[4, 5]   True      4    5

[7, 8]   True      7    8

df['newcol']=df2.loc[df.index].check.values.tolist()

df

Out[176]: 

       flags    input  newcol

flags                        

2          2  32768.0    True

4          4  32768.0    True

7          7  32768.0    True

Answer 3

使用的列表理解any()。但是，如果您可以为我们运行％timing，那么对实际性能没有任何了解，那就太好了！

df1['check'] = [any(start <= i <= end for start,end in 

                    zip(df2['start'], df2['end'])) for i in df1.index]

print(df1)

返回值：

             flags    input  check

time                              

8228835.0  53153.0  32768.0  False

8228837.0  53153.0  32768.0   True

8228839.0  53153.0  32768.0   True

8228841.0  53153.0  32768.0   True

8228843.0  61345.0  32768.0   True