使用binning将列从浮点数据类型转换为分类数据类型

Question

我希望转换一个由两列组成的数据框架。

下面是示例df：

输出：

df:

    cost      numbers   
1    360        23

2    120        35

3    2000       49

这两个列都是浮动的，我希望使用binning将它们转换为分类列。当转换为分类时，我希望为每一列创建以下回收箱。

号码: 18-24，25-44，45-65，66-92

成本栏的回收箱：>=1000，<1000

最后，我不想创建一个新的列，而只是转换该列而不创建一个新的列。下面是我尝试的代码：

def PreprocessDataframe(df):
 
     #use binning to convert age and budget to categorical columns
    df['numbers'] = pd.cut(df['numbers'], bins=[18, 24, 25, 44, 45, 65, 66, 92])
    df['cost'] = pd.cut(df['cost'], bins=['=>1000', '<1000'])
    
    return df

我知道如何转换“数字”栏，但我对“成本”一栏有困难。在如何解决这个问题上，帮助是很好的。提前感谢！干杯!

Answer 1

如果您使用bins=[18, 24, 25, 44, 45, 65, 66, 92]，这将生成18-24，24-25，25-44，44-45等.你不需要24-25，44-45.

默认情况下，回收箱是从第一个值(而不是包含性的)到包含在最后一个值的。

因此，对于numbers，您可以使用bins=[17, 24, 44, 65, 92] (请注意第一个位置的17，因此包括18 )。

可选参数label允许为回收箱选择标签。

df['numbers'] = pd.cut(df['numbers'], bins=[17, 24, 44, 65, 92], labels=['18-24', '25-44', '45-65', '66-92'])
df['cost'] = pd.cut(df['cost'], bins=[0, 999.99, df['cost'].max()], labels=['<1000', '=>1000'])

print(df)

>>> df
     cost numbers
0   <1000   18-24
1   <1000   25-44
2  =>1000   45-65