本文介绍如何在两个无共同列的 DataFrame 之间，基于日期是否落在指定区间内完成高效合并——推荐使用 pd.IntervalIndex + pd.cut 方案，避免低效循环，兼顾可读性与性能。
本文介绍如何在两个无共同列的 dataframe 之间，基于日期是否落在指定区间内完成高效合并——推荐使用 `pd.intervalindex` + `pd.cut` 方案，避免低效循环，兼顾可读性与性能。
在实际数据分析中，常遇到一类“时间区间匹配”需求：一个 DataFrame 包含离散时间点（如每日交易记录），另一个则定义了若干非重叠或部分重叠的时间区间（如活动周期、费率生效期等），目标是为每个时间点打上对应区间的标签（如 id）。由于二者无共享键列，传统 merge 或 join 无法直接使用，而朴素的 Python 循环（如对每个区间遍历所有日期）在数据量增大时性能急剧下降。
最佳实践是利用 Pandas 内置的区间索引机制：将 df2 的 start 和 end 列构造成 pd.IntervalIndex，再用 pd.cut 对 df1['date'] 进行分箱定位，最后通过映射完成关联。
以下是完整、可运行的解决方案：
import pandas as pd
# 构造示例数据
df1 = pd.DataFrame({
'date': ['2024-01-01','2024-01-02', '2024-01-03', '2024-01-04', '2024-01-05',
'2024-01-06', '2024-01-07', '2024-01-08', '2024-01-09', '2024-01-10',
'2024-01-11', '2024-01-12', '2024-01-13'],
'price': list(range(13))
})
df2 = pd.DataFrame({
'start': ['2024-01-01', '2024-01-03', '2024-01-10'],
'end': ['2024-01-03', '2024-01-08', '2024-01-12'],
'id': ['a', 'b', 'c']
})
# ✅ 关键步骤：确保日期类型统一
df1['date'] = pd.to_datetime(df1['date'])
df2[['start', 'end']] = df2[['start', 'end']].apply(pd.to_datetime)
# 构建左开右闭区间（即 start <blockquote><p>? <strong>注意区间闭合性</strong>：from_arrays(..., closed='right') 明确指定为「左开右闭」（即 start </p></blockquote><p>该方法优势显著：</p>
- 高性能：底层基于向量化操作与二分查找，时间复杂度接近 O(n log m)，远优于 O(n×m) 的嵌套循环；
- 简洁健壮：无需手动处理边界、重叠或空匹配，pd.cut 自动返回 NaN 表示未命中；
- 可扩展性强：支持任意数值型或时间型区间，且 IntervalIndex 可直接用于 .loc 切片、.contains() 查询等高级操作。
⚠️ 使用前提与注意事项：
- df2 中的区间允许重叠，但 pd.cut 默认只返回第一个匹配区间（按 df2 行序）；若需多匹配结果，请改用 pd.merge_asof 配合预处理，或借助 numpy.searchsorted 自定义逻辑；
- 若 df2 区间数量极大（如 >10⁵），建议先排序并去重，以提升 IntervalIndex 构建与查询效率；
- 确保 df1['date'] 和 df2 的 start/end 均为 datetime64[ns] 类型，否则 pd.cut 将报错或行为异常。
综上，pd.IntervalIndex + pd.cut 是解决“无键日期范围匹配”问题最优雅、高效且符合 Pandas 设计哲学的方式，应作为首选方案。
