python - 查找第一个范围包含数字(Numpy、Pandas)

Question

我有一系列数字:

arr = np.array([1147.8, 1067.2,  957.6,  826.4])

还有一个 pandas DF，有两列“右”和“左”，描述一个范围，而每个范围都包含在 DF 中的下一个范围中:

     right    left 
0    1090     1159.5
1    1080     1169.5
2    1057.5   1191.99

对于 arr 中的每个数字，我想获取包含它的第一个范围的索引。对于第一个数字 (1147.8)，它将是 0，因为它在 (1090, 1159.5) 范围内。对于第二个，它将是 2，因为 (1057.5, 1191.99) 中的 1067.2 但不在 (1080, 1169.5) 中(当然还有之前的其他范围)

我可以迭代 arr 中每个数字的 DF，但我正在寻找一种更聪明的方法。 谢谢

Answer 1

arr 和 df 之间的完全叉积，然后过滤，然后选择第一个范围。对于少量数据来说，这样做是可以的。理想情况下，您可以一次性完成所有 2000 个arrs 的操作。 .merge(df_arr, how='cross') 之后的 DataFrame 约有 200 万行，在这种情况下该方法仍然有效。

df_arr = pd.DataFrame({"arr": arr, 
                       "id_arr": range(len(arr))})

(df.reset_index()
     .merge(df_arr, how='cross')
     .query("right < arr < left")
     .groupby("id_arr")
     .first())

产品:

        index   right     left     arr
id_arr                                
0           0  1090.0  1159.50  1147.8
1           2  1057.5  1191.99  1067.2

其中index是最窄范围的索引。

id_arr 用于分组，以防 arr 中有重复值并且您希望结果中出现重复值。如果这不相关，也可以直接按 arr 进行分组。