如何在Python中计算列值，当范围有重叠时进行累加

Question

如何在Python中计算列值，当范围有重叠时进行累加

4

我有一个表格：

    id   start  end  stg
0   ZZ   0      25   5.0
1   ZZ   10     65   7.0
2   ZZ   30     50   2.0
3   ZZ   50     60   3.0
4   BB   0      2    5.6
5   BB   5      8    6.6
6   BB   8      13   18.0

我想要在区间[start,end]存在重叠的情况下将"stg"中的值相加，并创建新的区间和"stg"。输出应该像这样：

    id   start  end  stg
0   ZZ   0      10   5
1   ZZ   10     25   12
2   ZZ   25     30   7
3   ZZ   30     50   9
4   ZZ   50     60   10
5   ZZ   60     65   7
6   BB   0      5    5.6
7   BB   5      8    6.6
8   BB   8      13   18.0

- geek2000

我认为使用广播（一次性表格）操作来完成这个任务并不比迭代更有效率（尽管也许会有Pandas巫师出现并反驳我的说法）。因此，只需编写易于理解的显式循环即可，该循环适用于任何间隔序列或可迭代对象（或使用PyPI上的间隔库）。当然，如果你遇到困难，请回到这里提出具体问题，但这应该很容易。 - abarnert

问题在于我甚至不知道如何编写那个循环！ - geek2000

你能发文本而不是图片吗？此外，我不确定预期的输出DataFrame是否完全准确。预期输出中缺少值60，而输入中没有75、80和110。 - Peter Leimbigler

1

@AntonvBR 我已将其发布为代码。 Peter，抱歉你是对的！我纠正了表格（由于手动计算仍可能存在错误），希望思路清晰。 - geek2000

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Peter Leimbigler · Accepted Answer

这只是一个部分解决方案，因为它完全忽略了 id。使用 IntervalIndex：

示例数据

df = pd.DataFrame({'id': ['ZZ'] * 4, 
                   'start': [0, 10, 30, 50], 
                   'end': [25, 65, 50, 60], 
                   'stg': [5.0, 7.0, 2.0, 3.0]})
df = df[['id', 'start', 'end', 'stg']]

df
   id  start  end  stg
0  ZZ      0   25  5.0
1  ZZ     10   65  7.0
2  ZZ     30   50  2.0
3  ZZ     50   60  3.0

获取由起始值和结束值定义的最小子区间

subints = pd.IntervalIndex.from_breaks(sorted(np.unique(df[['start', 'end']].values.flatten())))
subints
IntervalIndex([(0, 10], (10, 25], (25, 30], (30, 50], (50, 60], (60, 65]]
              closed='right',
              dtype='interval[int64]')

在原始数据框上设置一个IntervalIndex。

idx = pd.IntervalIndex.from_arrays(df['start'], df['end'])
df.set_index(idx, inplace=True)
df
          id  start  end  stg
(0, 25]   ZZ      0   25  5.0
(10, 65]  ZZ     10   65  7.0
(30, 50]  ZZ     30   50  2.0
(50, 60]  ZZ     50   60  3.0

使用IntervalIndex切片在列表推导式中。

result = pd.DataFrame([(s.left, s.right, df2.loc[s]['stg'].sum()) 
                       for s in subints], 
                      columns=['start', 'end', 'stg'])
result
   start  end   stg
0      0   10   5.0
1     10   25  12.0
2     25   30   7.0
3     30   50   9.0
4     50   60  10.0
5     60   65   7.0