根据间隔加入/合并Dataframe

Question

我有两个表：一个是计划泄漏补丁的表，另一个是泄漏补丁的实现表。如下：

第二个表有更多列（这里省略）。这里的情况是我可以使用SQL表达式连接这两个表，如下所示：

SELECT
    PLAN.PIPE_ID,
    PLAN.INTERVAL_START,
    PLAN.INTERVAL_END,
    REAL.REAL_START,
    REAL.REAL_END,
    ...
FROM PLAN, REAL
WHERE
    PLAN.PIPE_ID=REAL.PIPE_ID
    REAL_START<INTERVAL_END AND
    REAL_END>INTERVAL_START AND
    ((REAL_START>=INTERVAL_START AND REAL_END<=INTERVAL_END) OR --CASE 1
    (REAL_START>=INTERVAL_START AND REAL_START>INTERVAL_END) OR --CASE 2
    (REAL_START<INTERVAL_START AND REAL_START<=INTERVAL_END) OR --CASE 3
    (REAL_START<INTERVAL_START AND REAL_START>INTERVAL_END)) --CASE 4

条件的情况是否足以满足下面的描述，并确保显示的数据仅在两个表之间的间隔有交叉时才显示。

如果我要使用Pandas进行相同的连接。怎么做？我是熊猫的新手，我了解到Pandas加入使用了密钥。

非常感谢提前

Answer 1

有六种情况可以相交或不相交。您已经记录了四种情况，另外两种情况是REAL完全在PLAN之前。可以通过说明REAL.REAL_END＆lt;的位置来测试这种情况。 PLAN.INTERVAL_START，另一个条件是在PLAN之后REAL完成的地方。可以通过说明何时REAL.REAL_START＆gt;来测试这种情况。 PLAN.INTERVAL_END。

因此，您可以简单地使用SQL查询来检查这两个条件，如果两者都不是，那么您有相交的范围。在pandas中，您可以使用以下内容，非常类似于您在SQL中所做的事情，进行交叉连接并过滤结果：

import pandas as pd
import numpy as np

plan = pd.DataFrame({'PIPE_ID':['P_01','P_01'],'INTERVAL_START':[150,175],'INTERVAL_END':[151.5,177.5]})

real  = pd.DataFrame({'PIPE_ID':['P_01','P_01'],'REAL_START':[148,174.5],'REAL_END':[150.5,178]})

df_merged = plan.merge(real, on='PIPE_ID')

df_out = df_merged[~((df_merged['REAL_END'] < df_merged['INTERVAL_START']) | (df_merged['REAL_START']>df_merged['INTERVAL_END']))] 

print(df_out)

输出：

   INTERVAL_END  INTERVAL_START PIPE_ID  REAL_END  REAL_START
0         151.5             150    P_01     150.5       148.0
3         177.5             175    P_01     178.0       174.5