python - 有效检查值是否存在于任何给定范围内

Question

我有两个 pandas DataFrame 对象:

• A 包含 'start' 和 'finish' 列

• B 有列 'date'

目标是有效地创建一个 bool 掩码，指示 date 是否在 [start, finish] 间隔内

天真的迭代花费了太多时间，我想有一种方法可以更快地做到这一点

更新:A 和 B 有不同的行数

更新 2:示例:

A
    | start     | finish    |
    |-------    |--------   |
    | 1         | 3         |
    | 50        | 83        |
    | 30        | 42        |

B
    | date      | 
    |-------    |
    | 31        | 
    | 20        | 
    | 2.5       |
    | 84        |
    | 1000      |

Output:
            | in_interval | 
            |-------    |
            | True      | 
            | False     | 
            | True      |
            | False     |
            | False     |

附言我的数据采用日期时间格式，但我想解决方案与数字的解决方案没有区别

Answer 1

您可以用 O(n) 的复杂度来完成。这个想法是改变表示。在 A 中，每个间隔存储一行。我会建议一个数据框，每个转换存储一行(即进入一个间隔，离开一个间隔)。

A = pd.DataFrame(
    data={
        'start': [1, 50, 30],
        'finish': [3, 83, 42]    
    }
)

starts = pd.DataFrame(data={'start': 1}, index=A.start.tolist())
finishs = pd.DataFrame(data={'finish': -1}, index=A.finish.tolist())
transitions = pd.merge(starts, finishs, how='outer', left_index=True, right_index=True).fillna(0)
transitions

    start  finish
1       1       0
3       0      -1
30      1       0
42      0      -1
50      1       0
83      0      -1

此数据框按日期存储转换类型。现在，我们需要知道每个日期是否处于某个时间间隔内。看起来像是在计算左括号和右括号。你可以这样做:

transitions['transition'] = (transitions.pop('finish') + transitions.pop('start')).cumsum()
transitions

    transition
1            1
3            0
30           1
42           0
50           1
83           0

这里说:

• 1 点，我在一个区间
• 3 岁时，我不是
• 一般情况下，如果该值严格大于0，则在一个区间内。
• 请注意，这会处理重叠间隔

现在您与 B 数据框合并:

B = pd.DataFrame(
    index=[31, 20, 2.5, 84, 1000]
)

pd.merge(transitions, B, how='outer', left_index=True, right_index=True).fillna(method='ffill').loc[B.index].astype(bool)

       transition
31.0         True
20.0        False
2.5          True
84.0        False
1000.0      False