pandas 判断数字是否在指定区间内

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在以下数据中，筛选出n列的数字在对应Interval列的区间里的数据，其中Interval的区间表达是一个字符串，后边三个值没有区间定义。

# 筛选出n列的数字在对应Interval列的区间里的数据
'''
n   Interval
12  (1,11)
4   (2,5)
6   (6,11)
12  (1,10)
14  (9,18)
36  (12,12)
12  (11,20)
13
5
8
'''

用简单的办法是，增加两个辅助列，一个为区间左侧的数字，另外一个为区间右侧的数字，然后判断n是否大于左侧小于右侧。

# 用剪贴板读取数据
df = pd.read_clipboard()

(
    df.loc[df.Interval.notna()] # 删除无区间的数据
    .assign(left=df.Interval.str.findall(r'\d+').str[0]) # 取左侧
    .assign(right=df.Interval.str.findall(r'\d+').str[1]) # 取右侧
    .astype({'left': np.int64, 'right': np.int64}) # 将取出的左右数据转为整型
    .loc[lambda x: (x.n>x.left) & (x.n<x.right)] # 筛选出结果
)
'''
    n Interval  left  right
1   4    (2,5)     2      5
4  14   (9,18)     9     18
6  12  (11,20)    11     20
'''

我们尝试用第二种方法来解决这个问题，大体思路是用explode炸开类似列表的列，这样会形成一个区间数据，左值在上，右值在下，然后筛选出n大于上值小于下值的行。

(
    df.assign(d=df.Interval.str.findall(r'\d+')) # 转为列表
    .explode('d') # 炸开列表
)
'''
    n Interval    d
0  12   (1,11)    1
0  12   (1,11)   11
1   4    (2,5)    2
1   4    (2,5)    5
2   6   (6,11)    6
2   6   (6,11)   11
3  12   (1,10)    1
3  12   (1,10)   10
4  14   (9,18)    9
4  14   (9,18)   18
5  36  (12,12)   12
5  36  (12,12)   12
6  12  (11,20)   11
6  12  (11,20)   20
7  13      NaN  NaN
8   5      NaN  NaN
9   8      NaN  NaN
'''

接着做些数据处理，进行筛选，得到结果：

(
    df.assign(d=df.Interval.str.findall(r'\d+')) # 转为列表
    .explode('d') # 炸开列表，形成辅助列 d
    .replace({pd.NA: 0}) # 将缺失值替换为0
    .astype({'d': np.int64}) # 将d转为整型
    .loc[lambda x: (x.n > x.d) & (x.n < x.d.shift(-1)) ] # 筛选
)
'''
    n Interval   d
1   4    (2,5)   2
4  14   (9,18)   9
6  12  (11,20)  11
'''

也可以完成需求，不过本方法逻辑较为复杂，可以帮助我们了解explode和shift的操作原理。

最后，也可以考虑 pandas 提供的 pd.Interval() 区间间隔方法进行判断，可参考教程进行了解 gairuo.com/p/pandas-interval。

pandas 判断数字是否在指定区间内

相关内容