Python 3.x 在具有起始列和结束列的同一数据帧中高效合并重叠间隔

我正在合并pandas数据帧中的重叠间隔，并寻找在pandas中实现这一点的有效方法，除了在行1乘1上运行的常规算法之外。我怎样才能在熊猫身上做呢

我已经尝试了在每一行上运行的常规重叠算法，并询问当前行是否开始 假设我有以下数据帧的输入

df:
    START   FINISH
0   0.000000    10.000000
1   10.000000   8700.182997
2   0.000000    10.000000
3   10.000000   9720.687227
4   9850.123    9990.000000

我预计产出如下：

df:
    START   FINISH
0   0.000000    9720.687227
2   9850.123    9990.000000

---

提前谢谢

你只能用熊猫来做

将熊猫作为pd导入
输入io
##加载数据
开始，结束
0.000000    ,10.000000
10.000000   ,4500.182997
5000.00    ,7000.000000
6000   ,8500.687227
9850.123,9990.000000
"""
buf_字节=io.StringIO（原始）
df=pd.read\u csv（基本字节）
##解决方案
df.sort_值（“开始”，原地=真）
##若下一行的开始大于当前行的结束，则此行进行比较
##行（“shift”向下移动一行）。之前表达式的值
##如果间隔中断（即无法合并），则cumsum将为真，因此
##当间隔中断时，cumsum将增加组值（cum sum treats True=1，False=0）
df[“group”]=（df[“START”]>df[“FINISH”].shift（））.cumsum（）
##这将返回组中“开始”列的最小值和“完成”列中的最大值
结果=df.groupby（“group”）.agg（{“开始”：“最小”，“完成”：“最大”}）
显示（结果）

输出

 START       FINISH
group                       
0         0.000  4500.182997
1      5000.000  8500.687227
2      9850.123  9990.000000

---

上述答案令人鼓舞，但仍有一些地方需要改进

（1） 应记录

shift（）

将向上移动一条记录，而不是向下移动。 （2）不考虑行在前一个记录的边界内。只需添加

cummax（）

，即可解决问题

以下是修改后的代码：

import pandas as pd
import io

## load data

raw ="""START,FINISH
0.000000    ,10.000000
2.000000    ,3.000000
10.000000   ,4500.182997
5000.00    ,7000.000000
6000   ,8500.687227
9850.123,9990.000000
"""

buf_bytes = io.StringIO(raw)
df=pd.read_csv(buf_bytes)

## solution

df.sort_values("START", inplace=True)

## This line compares if START of present row is greater than largest FINISH in previous 
## rows ("shift" shifts up FINISH by one row). The value of expression before
## cumsum will be True if interval breaks (i.e. cannot be merged), so
## cumsum will increment group value when interval breaks (cum sum treats True=1, False=0)


df["group"]=(df["START"]>df["FINISH"].shift().cummax()).cumsum()

print(df)

## this returns min value of "START" column from a group and max value fro m "FINISH"
result=df.groupby("group").agg({"START":"min", "FINISH": "max"})
print(result)

输出：

          START       FINISH
group                       
0         0.000  4500.182997
1      5000.000  8500.687227
2      9850.123  9990.000000

未改性溶液的结果：

          START       FINISH
group                       
0         0.000    10.000000
1        10.000  4500.182997
2      5000.000  8500.687227
3      9850.123  9990.000000

---

你能补充一些关于解决方案的解释吗？例如，您使用的pandas函数及其对结果的影响？不客气，我在上面对解决方案添加了一些评论，希望helpsit会这样做！全部清楚，谢谢，最后一个问题，我如何才能摆脱结果中的“组”？将索引名称设置为空result.index.name=“”对不起，我指的是组下的整个列