如何将数字数据映射到Pandas dataframe中的类别/仓中

Question

我刚刚开始用python编码，我的一般编码技巧相当生疏：（所以请稍有耐心

我有一个熊猫的数据帧：

它大约有300万行。年龄单位有三种:Y、D、W表示年、天、周。任何一个超过1岁的人都有一个Y的年龄单位，我想要的第一个分组是<2Y岁，所以我要测试的年龄单位是Y。

null

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'

agedetails['age_range'] = ageRange(agedetails)

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

Answer 1

使用Pandas，您应该避免按行操作，因为这些操作通常涉及一个低效的Python级循环。这里有几个备选方案。

正如@jonclements所建议的，您可以使用pd.cut来实现这一点，这里的好处是您的新列将成为一个分类列。

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

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))

   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+