基于间隔重叠合并两个数据帧

Question

我有两个数据帧A和B：

例如：

import pandas as pd
import numpy as np
In [37]:
A = pd.DataFrame({'Start': [10, 11, 20, 62, 198], 'End': [11, 11, 35, 70, 200]})

A[["Start","End"]]
Out[37]:
Start   End
0   10  11
1   11  11
2   20  35
3   62  70
4   198 200
In [38]:
B = pd.DataFrame({'Start': [8, 5, 8, 60], 'End': [10, 90, 13, 75], 'Info': ['some_info0','some_info1','some_info2','some_info3']})

B[["Start","End","Info"]]
Out[38]:
Start   End Info
0   8   10  some_info0
1   5   90  some_info1
2   8   13  some_info2
3   60  75  some_info3

我想根据A的间隔（开始-结束）与B的间隔重叠，向dataframe A添加列信息。如果A间隔与多个B间隔重叠，则应添加与较短间隔相对应的信息。在

我一直在研究如何管理这个问题，我发现了类似的问题，但他们的大多数答案都是使用iterrows()在我的情况下，因为我正在处理巨大的数据帧是不可行的。在

我想要点像：

^{pr2}$

然后删除副本，以保持信息来自较短的时间间隔。在

输出应该如下所示：

In [39]:
C = pd.DataFrame({'Start': [10, 11, 20, 62, 198], 'End': [11, 11, 35, 70, 200], 'Info': ['some_info0','some_info2','some_info1','some_info3',np.nan]})

C[["Start","End","Info"]]
Out[39]:
Start   End Info
0   10  11  some_info0
1   11  11  some_info2
2   20  35  some_info1
3   62  70  some_info3
4   198 200 NaN

我发现this question非常有趣，因为它暗示了使用pandas Interval对象解决这个问题的可能性。但经过多次尝试，我还是没能解决这个问题。在

有什么想法吗？在

Answer 1

我建议先执行一个函数，然后应用于行：

首先，我计算B中的delta（End-Start），用于排序

B['delta'] = B.End - B.Start

然后是一个获取信息的函数：

^{pr2}$

然后可以将此函数应用于A：

A['info'] = A.apply(lambda x : get_info(x), axis='columns')


print(A)
   Start  End        info
0     10   11  some_info0
1     11   11  some_info2
2     20   35  some_info1
3     62   70  some_info3
4    198  200        None

注：

• 不要使用pd.Interval，而是创建自己的条件。cx是您的间隔定义，请更改它们以获得准确的预期行为