如何将数字数据映射到 Pandas 数据框中的类别/箱中

Question

我刚开始用python编码，我的一般编码技能相当生疏:(所以请耐心等待

我有一个熊猫数据框：

它有大约 3m 行。有 3 种年龄单位：Y、D、W 表示年、日和周。任何 1 岁以上的人的年龄单位都是 Y，我想要的第一个分组是

我想创建一个新列 AgeRange 并填充以下范围：

• 2 - 18
• 18 - 35
• 35 - 65
• 65+

所以我写了一个函数

def agerange(values):
    for i in values:
        if complete.Age_units == 'Y':
            if complete.Age > 1 AND < 18 return '2-18'
            elif complete.Age > 17 AND < 35 return '18-35'
            elif complete.Age > 34 AND < 65 return '35-65'
            elif complete.Age > 64 return '65+'
        else return '< 2'

我想如果我将数据框作为一个整体传递，我会取回我需要的内容，然后可以创建我想要的列：

agedetails['age_range'] = ageRange(agedetails)

但是当我尝试运行第一个代码来创建我得到的函数时：

  File "<ipython-input-124-cf39c7ce66d9>", line 4
    if complete.Age > 1 AND complete.Age < 18 return '2-18'
                          ^
SyntaxError: invalid syntax

显然它不接受 AND - 但我想我在课堂上听说我可以像这样使用 AND？我一定是弄错了，但是这样做的正确方法是什么？

因此，在收到该错误后，我什至不确定传入数据框的方法是否也会引发错误。我猜可能是的。在这种情况下 - 我该如何让它工作？

我希望学习最好的方法，但对我来说最好的方法之一就是保持简单，即使这意味着只需几个步骤即可完成...

Answer 1

使用 Pandas，您应该避免按行操作，因为这些操作通常涉及低效的 Python 级循环。这里有几个选择。

熊猫：pd.cut

正如@JonClements 建议的那样，您可以为此使用pd.cut，这样做的好处是您的新列变成了Categorical。

您只需定义边界（包括np.inf）和类别名称，然后将pd.cut 应用于所需的数字列。

bins = [0, 2, 18, 35, 65, np.inf]
names = ['<2', '2-18', '18-35', '35-65', '65+']

df['AgeRange'] = pd.cut(df['Age'], bins, labels=names)

print(df.dtypes)

# Age             int64
# Age_units      object
# AgeRange     category
# dtype: object

NumPy：np.digitize

np.digitize 提供了另一种干净的解决方案。这个想法是定义您的边界和名称，创建一个字典，然后将np.digitize 应用于您的年龄列。最后，使用您的字典来映射您的类别名称。

请注意，对于边界情况，下限用于映射到 bin。

import pandas as pd, numpy as np

df = pd.DataFrame({'Age': [99, 53, 71, 84, 84],
                   'Age_units': ['Y', 'Y', 'Y', 'Y', 'Y']})

bins = [0, 2, 18, 35, 65]
names = ['<2', '2-18', '18-35', '35-65', '65+']

d = dict(enumerate(names, 1))

df['AgeRange'] = np.vectorize(d.get)(np.digitize(df['Age'], bins))

结果

   Age Age_units AgeRange
0   99         Y      65+
1   53         Y    35-65
2   71         Y      65+
3   84         Y      65+
4   84         Y      65+