如何通过指定区间快速检索并输出相应行的数值？

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。

具体实现如下：

import pandas as pd # 构造示例数据 data = {'A': [0, 11, 21, 31, 41, 51, 61], 'B': [10, 20, 30, 40, 50, 60, 70]} data2 = {'Point': [11.5, 18.3, 31.3, 41.2, 51.5, 66.6, 34.7, 12.1, 14.4, 56.8, 54.3]} df = pd.DataFrame(data) df2 = pd.DataFrame(data2) # 步骤1：计算每行 A+B，并用区间 [A, B) 作为索引 interval_series = ( df[['A', 'B']].sum(axis=1) # → Series([10, 31, 51, 71, 91, 111, 131]) .set_axis(pd.IntervalIndex.from_arrays(df['A'], df['B'])) # 区间索引 ) # 步骤2：对 df2['Point'] 执行 reindex —— 自动匹配所属区间并取值 result = interval_series.reindex(df2['Point']).reset_index(name='Returned Data') print(result)

输出结果：

Point Returned Data 0 11.5 31 1 18.3 31 2 31.3 71 3 41.2 91 4 51.5 111 5 66.6 131 6 34.7 71 7 12.1 31 8 14.4 31 9 56.8 111 10 54.3 111

⚠️ 注意事项：

• IntervalIndex.from_arrays() 默认创建左闭右开区间 [A, B)。若需左开右闭 (A, B]，请显式传入 closed='right'；若需闭区间 [A, B]，则用 closed='both'。
• reindex() 在未匹配到区间时返回 NaN，如 Point=100 超出所有 [A,B) 范围，结果为 NaN。可通过 .reindex(..., fill_value=0) 或后续 .fillna() 处理缺失值。
• 确保 df 中的 A 和 B 严格递增且无重叠，否则 IntervalIndex 可能引发警告或非预期行为（pandas 要求区间索引必须互斥且有序）。

该方法兼具简洁性与高性能，是处理“区间映射”类问题的标准推荐方案。