Python数据帧检查列数据帧中的值是否在另一个数据帧中报告的值的范围内

如果问题微不足道，我深表歉意，但作为一个Python新手，我无法找到正确的解决方案。

我有两个数据帧，我需要向第一个数据帧添加一列，如果第一个数据帧的某个值位于第二个数据帧的两个值之间，则该列为 true，否则为 false。

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 列中报告的值是否位于第二个数据帧 secondary_df 的行标识的可能范围之一之间，例如：

在第 1 行first_df code1=1 and code2=22

检查second_df我有 4 行code1=1, rows 0,1,5 and 6， 价值code2=22位于由 确定的区间内code2_start=20 and code2_end=25所以函数应该返回True.

考虑一个函数应返回 False 的示例，

在第 5 行first_df code1=1 and code2=130

但不存在包含 130 的区间，其中code1=1

我尝试过使用这个功能

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。

我很高兴您能提供任何意见。

thx.

A.

作为一个实际的例子：

first_df.code1[0] = 1

因此我需要搜索所有实例中的第二个

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，我需要检查该值是否

first_df.code2[0]
10

介于由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]的值是10，它在5到15之间，所以第0行标识的范围因此我的函数应该返回True。在first_df.code1[6]的情况下，值仍然是1，因此范围表仍然与上面相同，但是first_df.code2[6]在这种情况下是2，并且没有包含2的区间，因此结果应该是False 。

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

这是有效的，因为当你做类似的事情时：second_df.code2_start <= first_df.code2

你会得到一个布尔系列。如果您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的系列True两个系列都在哪里True and False否则。

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

EDIT:

因此，根据您更新的问题和我对问题的新解释，我会这样做：

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)

我在这里所做的是定义一个名为的函数checkRange作为输入x，单行df_1 and code_range， 整个df_2数据框。它首先找到的行code_range具有相同的c1值作为给定行，x.c1。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，它告诉我们是否x.c2落在减少的任何范围内code_range数据框：

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

最后，由于我们只关心x.c2落在某个范围内，我们返回的值check.any()。当我们打电话时any()在布尔系列上，它将返回True如果系列中的任何值是True.

要致电checkRange每一行上的函数df_1， 我们可以用apply()。我定义一个拉姆达表达式 https://docs.python.org/2/tutorial/controlflow.html#lambda-expressions为了发送checkRange函数行以及df_2. axis=1意味着将在 DataFrame 的每一行（而不是每一列）上调用该函数。