Pandas：折叠重叠间隔 [start-end] 并保持较小的

Question

我有一个由 2 个数字坐标“开始”和“结束”定义的区间的 Pandas 数据框。

我正在尝试折叠所有重叠的间隔，并保留内部坐标。

index start end  
0 10 40  
1 13 34  
2 50 100  
3 44 94  

输出：具有折叠间隔和内部坐标的相同 Pandas 数据框。如果两个区间共享一个公共点（包括闭合端点），则它们会重叠。只有一个共同开放端点的区间不重叠。

例如行索引 = [0,1] 的区间是重叠的。我想将这两个区间折叠成一个新区间，它有 new_start == max([10, 13]) 和 new_end == min([40,34])。行索引 [0,1] 的折叠间隔将具有 new_start = 13，new_end = 34。

index start end  
0 13 34  
1 50 94

数据框的大小为 2M 行，因此我也在寻找一种有效的方法。

谢谢你， 安德烈亚

Answer 1

可以像下面这样完成

df.groupby(((df.shift()["end"] - df["start"])<0).cumsum()).agg({"start":"min", "end":"max"})