Python dataframe 检查列数据框中的值是否在另一个数据框中报告的值范围内

Question

如果问题微不足道，我深表歉意，但作为一个 python 新手，我找不到正确的解决方案。

我有两个数据框，我需要向第一个数据框添加一列，如果第一个数据框的某个值介于第二个数据框的两个值之间，则该列为真，否则为假。

例如：

first_df = pd.DataFrame({'code1':[1,1,2,2,3,1,1],'code2':[10,22,15,15,7,130,2]})
second_df = pd.DataFrame({'code1':[1,1,2,2,3,1,1],'code2_start':[5,20,11,11,5,110,220],'code2_end':[15,25,20,20,10,120,230]})

first_df

  code1 code2
0   1   10
1   1   22
2   2   15
3   2   15
4   3   7
5   1   130
6   1   2

second_df

  code1 code2_end   code2_start
0   1   15          5
1   1   25          20
2   2   20          11
3   2   20          11
4   3   10          5
5   1   120         110
6   1   230         220

对于第一个数据帧中的每一行，我应该检查 code2 列中报告的值是否在第二个数据帧的行标识的可能范围之一之间 second_df 例如：

在 first_df code1=1 和 code2=22

的第 1 行

正在检查 second_df 我有 4 行 code1=1、rows 0,1,5 和 6，值 code2=22 在 [=26 标识的区间内=] 和 code2_end=25 所以函数应该 return True.

考虑一个例子，其中函数应该 return False，

在 first_df code1=1 和 code2=130

的第 5 行

但是 code1=1

中没有包含 130 的区间

我试过使用这个功能

def check(first_df,second_df):
    for i in range(len(first_df):
        return ((second_df.code2_start <= first_df.code2[i]) & (second_df.code2_end <= first_df.code2[i]) & (second_df.code1 == first_df.code1[i])).any()

并将其向量化

first_df['output'] = np.vectorize(check)(first_df, second_df)

但显然没有成功。

如果您能提供任何意见，我将很高兴。

谢谢。

A.

举个实际例子：

first_df.code1[0] = 1

因此我需要搜索 second_df 所有

的位置

second_df.code1 == first_df.code1[0]
0     True
1     True
2    False
3    False
4    False
5     True
6     True

对于状态为 True 的实例 0、1、5、6 我需要检查值是否

first_df.code2[0]
10

介于

确定的范围之一之间

second_df[second_df.code1 == first_df.code1[0]][['code2_start','code2_end']]
    code2_start code2_end
0   5           15
1   20          25
5   110         120
6   220         230

由于 first_df.code2[0] 的值为 10，它介于 5 和 15 之间，因此第 0 行标识的范围因此我的函数应该 return 为真。在 first_df.code1[6] 的情况下，值仍然是 1，因此范围 table 仍然与上面相同，但 first_df.code2[6] 在这种情况下是 2 并且没有包含 2 的区间，因此结果应该为 False。

Answer 1

first_df['output'] = (second_df.code2_start <= first_df.code2) & (second_df.code2_end <= first_df.code2)

这是可行的，因为当您执行以下操作时：second_df.code2_start <= first_df.code2

你得到一个布尔系列。如果您随后对这些布尔系列中的两个执行逻辑与，您将得到一个具有值 True 的系列，其中两个系列均为 True，否则为 False。

这是一个例子：

>>> import pandas as pd
>>> a = pd.DataFrame([{1:2,2:4,3:6},{1:3,2:6,3:9},{1:4,2:8,3:10}])
>>> a['output'] = (a[2] <= a[3]) & (a[2] >= a[1])
>>> a
   1  2   3 output
0  2  4   6   True
1  3  6   9   True
2  4  8  10   True

编辑：

所以根据你更新的问题和我对你问题的新解释，我会做这样的事情：

import pandas as pd

# Define some data to work with
df_1 = pd.DataFrame([{'c1':1,'c2':5},{'c1':1,'c2':10},{'c1':1,'c2':20},{'c1':2,'c2':8}])
df_2 = pd.DataFrame([{'c1':1,'start':3,'end':6},{'c1':1,'start':7,'end':15},{'c1':2,'start':5,'end':15}])

# Function checks if c2 value is within any range matching c1 value
def checkRange(x, code_range):
    idx = code_range.c1 == x.c1
    code_range = code_range.loc[idx]
    check = (code_range.start <= x.c2) & (code_range.end >= x.c2)
    return check.any()

# Apply the checkRange function to each row of the DataFrame
df_1['output'] = df_1.apply(lambda x: checkRange(x, df_2), axis=1)

我在这里做的是定义一个名为 checkRange 的函数，它将 x、一行 df_1 和 code_range 作为输入，整个 df_2 数据框。它首先找到 code_range 中与给定行 x.c1 具有相同 c1 值的行。然后丢弃不匹配的行。这是在前两行中完成的：

idx = code_range.c1 == x.c1
code_range = code_range.loc[idx]

接下来，我们得到一个布尔系列，它告诉我们 x.c2 是否落在缩减的 code_range DataFrame 中给出的任何范围内：

check = (code_range.start <= x.c2) & (code_range.end >= x.c2)

最后，因为我们只关心 x.c2 落在其中一个范围内，所以我们 return check.any() 的值。当我们在布尔系列上调用 any() 时，如果系列中的任何值是 True.

，它将 return True

要在 df_1 的每一行上调用 checkRange 函数，我们可以使用 apply()。我定义了一个 lambda expression 以便向 checkRange 函数发送行以及 df_2。 axis=1 表示将在 DataFrame 的每一行（而不是每一列）上调用该函数。

Python dataframe 检查列数据框中的值是否在另一个数据框中报告的值范围内

Python dataframe check if a value in a column dataframe is within a range of values reported in another dataframe

python

function

matching

multiple-columns

dataframe