合并两个数据帧（其中一个数据帧具有重叠范围）的最佳方法是什么？

Question

我的数据框是：

import padnas as pd

df_1 = pd.DataFrame(
    {
        'a': [10, 12, 14, 20, 25, 30, 42, 50, 80]
    }
)

df_2 = pd.DataFrame(
    {
        'start': [9, 19],
        'end': [26, 50],
        'label': ['a', 'b']
    }
)

预期输出：将列

label

添加到

df_1

：

a    label
10    a
12    a
14    a
20    a
25    a
20    b
25    b
30    b
42    b
50    b

df_2

定义标签的范围。例如，范围的

df_2

的第一行开始是 9，结束是 22。现在我想根据开始和结束对

df_1

进行切片，并将此标签赋予切片。请注意，

start

是排他性的，而

end

是包容性的。而且我的标签范围重叠。

这些是我的尝试。第一个有效，但我不确定它是否是最好的。

# attempt_1
dfc = pd.DataFrame([])
for idx, row in df_2.iterrows():
    start = row['start']
    end = row['end']
    label = row['label']
    df_slice = df_1.loc[df_1.a.between(start, end, inclusive='right')]
    df_slice['label'] = label
    dfc = pd.concat([df_slice, dfc], ignore_index=True)

## attempt 2
idx = pd.IntervalIndex.from_arrays(df_2['start'], df_2['end'], closed='both')
label = df_2.iloc[idx.get_indexer(df_1.a), 'label']
df_1['label'] = label.to_numpy()

Answer 1

一个快速选项是来自 pyjanitor 的 conditional_join:

# pip install pyjanitor
import pandas as pd
import janitor
(df_1
.conditional_join(
    df_2, 
    ('a','start','>='),
    ('a','end','<='), 
    df_columns = 'a',
    right_columns='label')
)
    a label
0  10     a
1  12     a
2  14     a
3  20     a
4  20     b
5  25     a
6  25     b
7  30     b
8  42     b
9  50     b