У меня есть dataframe say df
. df
имеет столбец 'Ages'
>>> df['Age']
Я хочу сгруппировать эти возрасты и создать новый столбец, что-то вроде этого
If age >= 0 & age < 2 then AgeGroup = Infant
If age >= 2 & age < 4 then AgeGroup = Toddler
If age >= 4 & age < 13 then AgeGroup = Kid
If age >= 13 & age < 20 then AgeGroup = Teen
and so on .....
Как я могу это сделать, используя библиотеку Pandas.
Я пробовал делать что-то вроде этого
X_train_data['AgeGroup'][ X_train_data.Age < 13 ] = 'Kid'
X_train_data['AgeGroup'][ X_train_data.Age < 3 ] = 'Toddler'
X_train_data['AgeGroup'][ X_train_data.Age < 1 ] = 'Infant'
но делая это, я получаю это предупреждение
/Users/Anand/miniconda3/envs/learn/lib/python3.7/site-packages/ipykernel_launcher.py:3: SettingWithCopyWarning: значение пытается быть установлено на копии среза из DataFrame. См. Оговорки в документация: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy Это отдельно от пакета ipykernel, поэтому мы можем избежать импорта до тех пор, пока /Users/Anand/miniconda3/envs/learn/lib/python3.7/site-packages/ipykernel_launcher.py: 4: SettingWithCopyWarning: значение пытается установить на копии среза из DataFrame
Как избежать этого предупреждения и сделать это лучше.
Используйте pandas.cut
с параметром right=False
для не включает самый правый край бункеров:
X_train_data = pd.DataFrame({'Age':[0,2,4,13,35,-1,54]})
bins= [0,2,4,13,20,110]
labels = ['Infant','Toddler','Kid','Teen','Adult']
X_train_data['AgeGroup'] = pd.cut(X_train_data['Age'], bins=bins, labels=labels, right=False)
print (X_train_data)
Age AgeGroup
0 0 Infant
1 2 Toddler
2 4 Kid
3 13 Teen
4 35 Adult
5 -1 NaN
6 54 Adult
Последнее для замены отсутствующего значения используйте add_categories
с fillna
:
X_train_data['AgeGroup'] = X_train_data['AgeGroup'].cat.add_categories('unknown')
.fillna('unknown')
print (X_train_data)
Age AgeGroup
0 0 Infant
1 2 Toddler
2 4 Kid
3 13 Teen
4 35 Adult
5 -1 unknown
6 54 Adult
bins= [-1,0,2,4,13,20, 110]
labels = ['unknown','Infant','Toddler','Kid','Teen', 'Adult']
X_train_data['AgeGroup'] = pd.cut(X_train_data['Age'], bins=bins, labels=labels, right=False)
print (X_train_data)
Age AgeGroup
0 0 Infant
1 2 Toddler
2 4 Kid
3 13 Teen
4 35 Adult
5 -1 unknown
6 54 Adult
Просто используйте:
X_train_data.loc[(X_train_data.Age < 13), 'AgeGroup'] = 'Kid'
-1
?