本文介绍了如何使用 Pandas 将包含数值和非数值数据的年龄信息分配到预定义的分类区间中，包括处理缺失值和非标准格式数据，并确保结果分类的顺序符合特定要求。通过示例代码，读者可以学习如何有效地使用 pd.cut 和 pd.Categorical 函数进行数据转换和分类。
在数据分析中，经常需要将连续的数值数据转换为离散的分类数据，这有助于简化数据、提取关键信息，并方便进行后续的统计分析和建模。本文将详细介绍如何使用 Pandas 库将包含年龄信息的列数据分配到预定义的分类区间中，并处理可能存在的缺失值和非标准格式数据。
准备工作
首先，确保已经安装了 Pandas 和 NumPy 库。如果没有安装，可以使用 pip 进行安装：
pip install pandas numpy
数据准备
为了演示，我们创建一个包含年龄信息的 DataFrame，其中包含数值、非数值（例如 “45-55″）和缺失值：
import pandas as pdimport numpy as npdata = {'age': ['45-55', '20', '56', '35', None, 'sixty-nine']}df = pd.DataFrame(data)print(df)
输出：
age0 45-551 202 563 354 None5 sixty-nine
定义分类区间和标签
接下来，我们需要定义分类区间和对应的标签。题目要求如下：
分类区间：unknown, 17 and under, 18-25, 26-35, 36-45, 46-55, 56+非数值数据和缺失值都归为 unknown 类分类标签的顺序为：[‘unknown’, ’17 and under’, ’18-25′, ’26-35′, ’36-45′, ’46-55′, ’56+’]
定义区间和标签：
bins = [-float('inf'), -1, 17, 25, 35, 45, 55, float('inf')]labels = ['unknown', '17 and under', '18-25', '26-35', '36-45', '46-55', '56+']
注意：这里在 -float(‘inf’) 和 17 之间添加了一个 -1，这是为了确保所有非数值数据，在转换为数值时变为 NaN，最终都被 fillna 函数填充为 unknown。 这样可以更明确地将所有无法转换为有效年龄的条目归类为“unknown”。
使用 pd.cut 进行分类
使用 pd.cut 函数将年龄数据分配到定义的区间中：
df['age_cat'] = pd.cut(pd.to_numeric(df['age'], errors='coerce'), bins=bins, labels=labels) .fillna('unknown')print(df)
解释：
pd.to_numeric(df[‘age’], errors=’coerce’)：将 ‘age’ 列转换为数值类型。errors=’coerce’ 表示无法转换的值将被转换为 NaN。pd.cut(…)：将数值年龄数据分配到定义的区间中，并使用指定的标签。.fillna(‘unknown’)：将所有 NaN 值（包括原始的缺失值和无法转换为数值的值）填充为 ‘unknown’。
调整分类的顺序
题目要求 ‘unknown’ 类别必须在第一位。 为了保证顺序，我们可以使用pd.Categorical指定category的顺序。
df['age_cat'] = pd.Categorical(df['age_cat'], categories=['unknown', '17 and under', '18-25', '26-35', '36-45', '46-55', '56+'], ordered=False)print(df['age_cat'])
输出：
0 unknown1 18-252 56+3 26-354 unknown5 unknownName: age_cat, dtype: categoryCategories (7, object): ['unknown', '17 and under', '18-25', '26-35', '36-45', '46-55', '56+']
完整代码
import pandas as pdimport numpy as npdata = {'age': ['45-55', '20', '56', '35', None, 'sixty-nine']}df = pd.DataFrame(data)bins = [-float('inf'), -1, 17, 25, 35, 45, 55, float('inf')]labels = ['unknown', '17 and under', '18-25', '26-35', '36-45', '46-55', '56+']df['age_cat'] = pd.cut(pd.to_numeric(df['age'], errors='coerce'), bins=bins, labels=labels) .fillna('unknown')df['age_cat'] = pd.Categorical(df['age_cat'], categories=['unknown', '17 and under', '18-25', '26-35', '36-45', '46-55', '56+'], ordered=False)print(df)print(df['age_cat'])
总结
本文详细介绍了如何使用 Pandas 将年龄数据分配到预定义的分类区间中，并处理了缺失值和非标准格式数据。 通过使用 pd.cut 和 pd.Categorical 函数，可以灵活地进行数据转换和分类，并确保结果符合特定的要求。 在实际应用中，可以根据具体的需求调整分类区间和标签，以适应不同的数据分析任务。
以上就是使用 Pandas 将数值数据分配到分类区间的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1373661.html
微信扫一扫 
支付宝扫一扫 
