Python 查找df值在其他df的bin范围内的索引

我试图在一个数据帧中创建一个新的列df2[“v2”]，其中填充了来自不同数据帧df1[“v1”]的值

第一个数据帧保存在df1[“T1”]中存储的时间测量值1的值。第二个数据帧现在应该存储测量值1中的值，但具有不同的时间采样。在现实任务中，时间采样不是均匀分布的（也不是单调增加的，至少在默认情况下是如此）

这样做的愚蠢方式可能是：

df2["v2"] = pd.Series()
for n in range(df1["T1"].size-1):
   t1 = df1["T1"].iloc[n]
   t2 = df1["T1"].iloc[n+1]
   mask =  (t1 <= df2["T2"]) & (df2["T2"] < t2)
   df2["v2"].loc[mask]= df1["v1"].iloc[n]

---

达到同样效果的最快/最优雅的方法是什么？

以下是解决问题的一种方法：

bins = pd.cut(df1['T1'], df1['T1'], right=False)
mapping = df1[:-1].set_index(bins[:-1])['v1']

df2['v2'] = df2['T2'].map(mapping)

详细信息：

将

T1

列中的值分类为离散区间，以

T1

列本身为特征：

>>> bins

0      [0.0, 5.0)
1     [5.0, 10.0)
2    [10.0, 15.0)
3             NaN
Name: T1, dtype: category
Categories (3, interval[int64]): [[0, 5) < [5, 10) < [10, 15)]

map

在上述

map

系列的帮助下，

T2

列中的值：

>>> mapping

T1
[0, 5)      0
[5, 10)     1
[10, 15)    2
Name: v1, dtype: int64

>>> df2

    T2  v2
0    0   0
1    1   0
2    2   0
3    3   0
4    4   0
5    5   1
6    6   1
7    7   1
8    8   1
9    9   1
10  10   2
11  11   2
12  12   2
13  13   2
14  14   2

---

请同时发布预期输出。此外，在您发布的代码中，您参考了

df

，而您创建的两个数据帧分别称为

df1

和

df2

。谢谢，更正了输入错误并添加了输出。

>>> mapping

T1
[0, 5)      0
[5, 10)     1
[10, 15)    2
Name: v1, dtype: int64

>>> df2

    T2  v2
0    0   0
1    1   0
2    2   0
3    3   0
4    4   0
5    5   1
6    6   1
7    7   1
8    8   1
9    9   1
10  10   2
11  11   2
12  12   2
13  13   2
14  14   2