Python 根据另一数据帧中的行范围添加/填充列

与pandas合作时，我将df1按时间样本进行索引：

data = '''\
time       flags    input                  
8228835.0  53153.0  32768.0
8228837.0  53153.0  32768.0
8228839.0  53153.0  32768.0
8228841.0  53153.0  32768.0
8228843.0  61345.0  32768.0'''

fileobj = pd.compat.StringIO(data)
df1 = pd.read_csv(fileobj, sep='\s+', index_col='time')

df2表示开始和结束的时间范围，以定义“检查”状态为真的范围：

data = '''\
        check     start       end
20536   True   8228837   8228993
20576   True   8232747   8232869
20554   True   8230621   8230761
20520   True   8227351   8227507
20480   True   8223549   8223669
20471   True   8221391   8221553'''

fileobj = pd.compat.StringIO(data)
df2 = pd.read_csv(fileobj, sep='\s+')

我需要做的是在df1中添加一个“check”列，并用True值填写df2中定义的实际时间范围。其他的都应该是假的。一个例子是：

             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
....
8228994.0. 12424.0. 32768.0.   False

---

我认为您可以使用

IntervalIndex

和

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

---

使用

any（）

的列表理解。虽然没有关于实际性能的线索，但如果您能为我们运行%计时，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)

---

您可以创建一个列表或范围，然后使用：

---

为什么8228835

为真？我在
df2
中没有看到包含此数字的任何范围。可能只是一个类型错误。请更正我的输入错误。对于后来者，需要更新构成数据帧的部分。具体来说，使用“导入io”和“fileobj=io.StringIO（数据）”而不是“pd.compat.StringIO（数据）”，因为“AttributeError:module”“pandas.compat”没有属性“StringIO”。没想到你可以像这样链接范围，好家伙@温，这对我来说也是新闻。我只能假设
链。每次调用from_iterable（ranges）
。因为它是一个迭代器，所以不能重用它，所以每次都使用一个新的迭代器。我希望有人使用这些解决方案，您的
IntervalIndex
看起来很整洁！或者，更可能的是，正在进行一些列表转换，这是低效的：（@jpp-这对作业进行了一点修改。我编辑了你的答案，以匹配对我有效的答案。此示例数据上约180万行的墙时间为3.74秒。感谢你向我指出这个方向！@schwim，当然，我改进了你的编辑[因为在文档中不鼓励链式分配]。我在
df2.loc[df.index]处得到
KeyError
part.需要在这一点上多花点时间…好主意，谢谢！不幸的是，df1的行数超过了200万行。我将其缩短为10k行，这个循环用了43秒完成。结果与df2的范围不太匹配。
             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

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