Ich habe die folgenden Pandas DataFrame:

import pandas as pd
df = pd.DataFrame('filename.csv')
print(df)

order    start    end    value    
1        1342    1357    category1
1        1459    1489    category7
1        1572    1601    category23
1        1587    1599    category2
1        1591    1639    category1
....
15        792     813    category13
15        892     913    category5
....

So gibt es einorderie @ -Spalte umfasst jeweils viele Zeilen und anschließend einen Bereich / ein Intervall vonstart zuend Für jede Reihe. Jede Zeile ist dann mit einem bestimmten @ gekennzeichnevalue (z. B. Kategorie 1, Kategorie 2 usw.)

etzt habe ich einen anderen Datenrahmen mit dem Namenkey_df. Es ist im Grunde genau das gleiche Format:

import pandas as pd
key_df = pd.DataFrame(...)
print(key_df)

order    start    end    value    
1        1284    1299    category4
1        1297    1309    category9
1        1312    1369    category3
1        1345    1392    category29
1        1371    1383    category31
....
1        1471    1501    category31
...

Mein Ziel ist es, das @ zu nehmkey_df dataframe und prüfen Sie, ob die Intervallestart:end Übereinstimmung mit einer der Zeilen im ursprünglichen Datenrahmendf. Wenn dies der Fall ist, wird diese Zeile indf sollte mit dem @ gekennzeichnet sekey_df dataframe'svalue Wert

In unserem obigen Beispiel ist der Datenrahmendf würde so enden:

order    start    end    value        key_value
1        1342    1357    category1    category29
1        1459    1489    category7    category31
....

Das ist, weil, wenn Sie sichkey_df, die Reih

1        1345    1392    category29

mit Intervall1::1345-1392 fällt in das Intervall1::1342-1357 im Originaldf. Ebenso daskey_df Reihe

1        1471    1501    category31

entspricht der zweiten Zeile indf:

1        1459    1489    category7    category31

Ich bin mir nicht ganz siche

(1) wie man diese Aufgabe in pandas @ erledi

(2) wie man dies effizient in Pandas skaliert

One könnte mit einer if-Anweisung beginnen, z. B.

if df.order == key_df.order:
    # now check intervals...somehow

, aber dies nutzt die Datenrahmenstruktur nicht aus. Man muss dann nach Intervallen prüfen, d. H. So etwas wie(df.start =< key_df.start) && (df.end => key_df.end)

Ich stecke fest. Was ist die effizienteste Methode, um mehrere Spalten in einem "Intervall" in Pandas abzugleichen? (Das Erstellen einer neuen Spalte, wenn diese Bedingung erfüllt ist, ist dann unkompliziert.)