根据来自另一个数据框的组范围解释来自数据框列的范围

Question

最近我在使用 R 时遇到了类似的问题，现在我想在 python 2.7 中使用 pandas 来解决这个问题。我已经在这里查看了几个类似的问题，但是仍然有问题。

我有两个数据框：

import pandas as pd

dfa = pd.DataFrame([["1", "1", "2", "A"], ["2", "1", "2", "A"], ["3", "3", 
    "4", "B"], ["4", "3", "4", "B"], ["5", "5", "6", "C"], ["6", "5", "6", 
    "C"], ["7", "7", "8", "D"], ["8", "7", "8", "D"]], columns=['TimeStamp', 
    'Min', 'Max', 'Group'])
dfb = pd.DataFrame([['1'], ['2'], ['3'], ['4'], ['5'], ['6'], ['7'], ['8']], 
    columns = ['TimeStamp'])

我正在寻找一种方法，根据时间戳在 dfb 中创建组 id，该时间戳在 dfa 中每个组的 min-max 范围内。所以，dfb_final：

这适用于更大的数据集，我已经简化了示例。我只是不确定下一步该做什么。根据其他答案，我得到了 dfa 中的 min max 列。非常感谢向大家学习。

Answer 1

您可以使用np.searchsorted。下面的解决方案假定组间Min / Max 值没有重叠。首先将一些系列转换为数字，以便它们可以通过 NumPy 使用：

dfa[dfa.columns[:-1]] = dfa[dfa.columns[:-1]].apply(pd.to_numeric)
dfb['TimeStamp'] = pd.to_numeric(dfb['TimeStamp'])

注意datetime / 时间戳值可以在必要时转换为等效数字。

然后提取唯一组和Min / Max 值的扁平化版本：

groups = dfa['Group'].unique()
vals = dfa.drop_duplicates('Group').loc[:, ['Min', 'Max']].values.ravel()

最后，使用np.searchsorted 定位vals 中的时间戳，并使用结果索引groups：

dfb['Group'] = groups[np.searchsorted(dfb['TimeStamp'].values, vals) // 2]

print(dfb)

   TimeStamp Group
0          1     A
1          2     A
2          3     B
3          4     B
4          5     C
5          6     C
6          7     D
7          8     D