在给定阈值内合并范围(间隔)的有效方法

Question

我想知道是否有一种计算范围距离的有效方法，并将它们组合在给定的距离上。例如，给定d=10的范围和距离

1   2
4   7
12  15
32  36
38  41
...

第一次迭代是：(4-2) -> 2 -> 2< 10 -> OK -> (1,7)

1   7
12  15
32  36
38  41
...

(12-7) -> 5 -> 5< 10 -> OK -> (1,15)

1   15
32  36
38  41
...

(32-15) -> 17 -> 17 < 10 -> KO

1   15
32  36
38  41
...

(38-36) -> 2 -> 2< 10 -> OK -> (32,41)

所需的(结果)数据集：

1   15
32  41
...

这种算法的代价(列表、元组、循环)如果不能有效地实现，可能会给主程序带来风险。

提前谢谢你！！

Answer 1

来源DF：

In [27]: df
Out[27]:
   start  end
0      1    2
1      4    7
2     12   15
3     32   36
4     38   41

In [28]: threshold = 10

矢量化溶液：

In [31]: (df.groupby(df['start'].sub(df['end'].shift()).ge(threshold).cumsum())
    ...:    .agg({'start':'first','end':'last'}))
    ...:
Out[31]:
   start  end
0      1   15
1     32   41

解释：

In [32]: df['start'].sub(df['end'].shift())
Out[32]:
0     NaN
1     2.0
2     5.0
3    17.0
4     2.0
dtype: float64

In [33]: df['start'].sub(df['end'].shift()).ge(threshold)
Out[33]:
0    False
1    False
2    False
3     True
4    False
dtype: bool

In [34]: df['start'].sub(df['end'].shift()).ge(threshold).cumsum()
Out[34]:
0    0
1    0
2    0
3    1
4    1
dtype: int32