Python 在给定条件下向数据帧添加值

我一直在努力找到最有效的方法。 假设我有一个数据帧df1，看起来像：

   time_start  time_end    
0  1548102229  1548102232  
1  1548102239  1548102242 
2  1548102249  1548102252
3  1548102259  1548102262

   timestamp   state    
0  1548102231  A  
1  1548102241  A 
2  1548102248  B
3  1548102251  B

另一个数据帧df2看起来像：

   time_start  time_end    
0  1548102229  1548102232  
1  1548102239  1548102242 
2  1548102249  1548102252
3  1548102259  1548102262

   timestamp   state    
0  1548102231  A  
1  1548102241  A 
2  1548102248  B
3  1548102251  B

如果df2['timestamp']介于df1['time\u start']和df1['time\u end']之间，则有没有一种方法可以将“state”添加到df1，以达到：

   time_start  time_end    state
0  1548102229  1548102232  A
1  1548102239  1548102242  A
2  1548102249  1548102252  N/A
3  1548102259  1548102262  B

---

使用

IntervalIndex

和

get\u indexer

，然后我们在

之后分配回.loc

idx=pd.IntervalIndex.from_arrays(df1['time_start'], df1['time_end'], closed='both')
indexmatch=idx.get_indexer(df2.timestamp)
df1['New']=df2.loc[indexmatch,'state'].values
df1
   time_start    time_end  New
0  1548102229  1548102232    A
1  1548102239  1548102242    A
2  1548102249  1548102252  NaN
3  1548102259  1548102262    B

更新

idx=pd.IntervalIndex.from_arrays(df1['time_start'], df1['time_end'], closed='both')
indexmatch=idx.get_indexer(df2.timestamp)
dfcopy=df1.copy()
df1=df1.loc[indexmatch]
df1['New']=df2.loc[indexmatch,'state'].values
df1.groupby(['time_start','time_end'],as_index=False).New.sum().combine_first(dfcopy)

使用和

outer

ufuncs

c = np.less_equal.outer(df2.timestamp, df.time_end) & \
    np.greater_equal.outer(df2.timestamp, df.time_start)

df['state'] = df2.state.values[c.argmax(1)]

然后更正所有

False

结果

df.loc[~c.any(1), 'state'] = np.nan

    time_start  time_end    state
0   1548102229  1548102232  A
1   1548102239  1548102242  A
2   1548102249  1548102252  NaN
3   1548102259  1548102262  B

---

这是一个很好的问题，我实际上没有遇到过这种情况，但它最终肯定会发生。如果是这样的话，我想取第一个状态。如果df2的长度与df1不同，并且我试图找出df2中是否有一个时间戳介于时间开始和时间结束之间的值来填充df1中的状态，该怎么办？我确信，在任何给定的时间段内，只有一种状态存在，即A或B，但该状态可以被记录多次。这已经非常接近了。我对最后一行只有一个问题：df1.groupby（['time\u start'，'time\u end'，as\u index=False）。New.sum（）。combine\u first（dfcopy）sum（）部分给了我一个意外的结果。如果df1['New']是一个整数，则它将状态与数量或发生次数相加。如果它是一个字符串，它会进行字符串求和，所以如果有超过1个记录状态，它会给我像AAA这样的值，如果字符串或如果状态a=1，它会给我3。尝试不使用求和，但似乎combine_first不喜欢它。没关系，我只是完成了df1.groupby（['time_start'，'time_end'，as_index=False）。first（）我认为combine_first（dfcopy）没有必要。我猜您的方法的问题是相同的：如果df2的长度与df1不同，并且我试图找出df2中是否有一个时间戳介于时间开始和时间结束之间的值来填充df1中的状态，该怎么办？我确信，在任何给定的时间段内，只有一种状态存在，即A或B，但该状态可以被记录多次。