基于多个条件(lt、gt测试标准)将数据帧索引作为值分配给另一个数据帧

我有一个看起来像这样的数据框(它表示二维空间中的区域;注意它们重叠,这是可以的):

>>> zones = pd.DataFrame(dict(
    minx=[-10, -10, -5],
    maxx=[10, 10, 5],
    miny=[-10, 0, 0],
    maxy=[10, 10, 10],
), index=range(1,4))
>>> zones.index.name = "zone"
>>> zones
      minx  maxx  miny  maxy
zone
1      -10    10   -10    10
2      -10    10     0    10
3       -5     5     0    10

>>> pairs = pd.DataFrame(list(zip((uniform(0, 10) for _ in range(10)), (uniform(0,10) for _ in range(10)))), index=range(1,11), columns=["cx", "cy"])
>>> pairs.index.name = "pair"
>>> pairs["zone"] = "??"
>>> pairs
               cx        cy zone
pair
1        8.405715  2.691102   ??
2        6.645482  1.843225   ??
3        4.123719  8.996641   ??
4        7.003991  9.695182   ??
5        7.296730  1.175356   ??
6        7.960617  9.503888   ??
7        7.694749  6.907869   ??
8        8.308742  5.439141   ??
9        6.404875  5.663983   ??
10       3.361129  3.123590   ??

我想根据第一个数据帧中的区域定义,为每个cx、cy对使用正确的区域编号填充此数据帧的“区域”系列。

下面是我为此编写的代码。然而,我确信有一种更好的方法可以使用pandas(即,不需要迭代 zones

for num, zone in zones.transpose().iteritems():
    idx = (
        (pairs.cx.gt(zone["minx"]))
        & (pairs.cx.lt(zone["maxx"]))
        & (pairs.cy.gt(zone["miny"]))
        & (pairs.cy.lt(zone["maxy"]))
    )
    pairs.loc[idx, "zone"] = num

注:最高区域数获胜。例如,上面第二个表中的索引5具有近似的有序对(7.3,1.2),并且位于区域1,2和3内。因此,它应该是3区。然而,指数9和a.o.p.(6.4,5.7)不在3区之内,但在1区和2区之内。因此,应将其指定为区域2。