如何通过指定区间快速检索并输出相应行的数值？
- 内容介绍
- 相关推荐
本文共计736个文字，预计阅读时间需要3分钟。
使用pandas的`IntervalIndex`和`reindex`方法，可以高效地判断目标值是否落在DataFrame中某列构成的时间区间内，并返回指定行的计算结果。以下是一个简单的示例：
在数据分析中，常需将一组离散点（如传感器读数、坐标、时间戳）映射到预定义的连续区间（如分段阈值、地理区域、时间窗口），并提取对应区间的聚合信息。本例中，df 定义了若干左闭右开（默认）的数值区间 [A, B)，每行代表一个范围；df2 包含待查询的浮点型 Point 值。目标是：对每个 Point，定位其所属的 [A, B) 区间，并返回该区间所在行的 A + B 作为新列 Returned Data。
核心思路是将区间结构化为索引，而非逐行比对。pandas 提供的 pd.IntervalIndex.from_arrays() 可将两列数值快速构造成可哈希、可查找的区间索引；再将 A + B 的和构建为以该区间索引为键的 Series，即可通过 reindex() 实现向量化区间查找——底层自动完成二分搜索，时间复杂度为 O(log n)，远优于 apply(lambda x: ...) 或 np.where 的 O(n²) 方案。
本文共计736个文字，预计阅读时间需要3分钟。
使用pandas的`IntervalIndex`和`reindex`方法，可以高效地判断目标值是否落在DataFrame中某列构成的时间区间内，并返回指定行的计算结果。以下是一个简单的示例：
在数据分析中，常需将一组离散点（如传感器读数、坐标、时间戳）映射到预定义的连续区间（如分段阈值、地理区域、时间窗口），并提取对应区间的聚合信息。本例中，df 定义了若干左闭右开（默认）的数值区间 [A, B)，每行代表一个范围；df2 包含待查询的浮点型 Point 值。目标是：对每个 Point，定位其所属的 [A, B) 区间，并返回该区间所在行的 A + B 作为新列 Returned Data。
核心思路是将区间结构化为索引，而非逐行比对。pandas 提供的 pd.IntervalIndex.from_arrays() 可将两列数值快速构造成可哈希、可查找的区间索引；再将 A + B 的和构建为以该区间索引为键的 Series，即可通过 reindex() 实现向量化区间查找——底层自动完成二分搜索，时间复杂度为 O(log n)，远优于 apply(lambda x: ...) 或 np.where 的 O(n²) 方案。