最近我在使用R遇到类似问题时获得了帮助，现在我想在python 2.7中使用pandas做到这一点。我在这里已经审查了几个类似的问题，但是but仍然有问题。
我有两个数据框：
import pandas as pd
dfa = pd.DataFrame([["1", "1", "2", "A"], ["2", "1", "2", "A"], ["3", "3",
"4", "B"], ["4", "3", "4", "B"], ["5", "5", "6", "C"], ["6", "5", "6",
"C"], ["7", "7", "8", "D"], ["8", "7", "8", "D"]], columns=['TimeStamp',
'Min', 'Max', 'Group'])
dfb = pd.DataFrame([['1'], ['2'], ['3'], ['4'], ['5'], ['6'], ['7'], ['8']],
columns = ['TimeStamp'])
我正在寻找一种基于dfa中每个组的最小-最大范围内的时间戳在dfb中创建组ID的方法。因此，dfb_final：
这是针对较大的数据集，我已简化了示例。我只是不太确定下一步该怎么做。根据其他答案，我得到了dfa中的最大最小值列。非常感谢大家的学习。
最佳答案
您可以使用np.searchsorted。以下解决方案假定各组之间的Min / Max值没有重叠。首先将一些序列转换为数值，以便可以通过NumPy使用：
dfa[dfa.columns[:-1]] = dfa[dfa.columns[:-1]].apply(pd.to_numeric)
dfb['TimeStamp'] = pd.to_numeric(dfb['TimeStamp'])
注意
datetime /时间戳值可以转换为等效的数字。然后提取唯一的组和
Min / Max值的展平版本：groups = dfa['Group'].unique()
vals = dfa.drop_duplicates('Group').loc[:, ['Min', 'Max']].values.ravel()
最后，使用
np.searchsorted将时间戳记放置在vals中，并使用结果索引groups：dfb['Group'] = groups[np.searchsorted(dfb['TimeStamp'].values, vals) // 2]
print(dfb)
TimeStamp Group
0 1 A
1 2 A
2 3 B
3 4 B
4 5 C
5 6 C
6 7 D
7 8 D