代码之家 › 专栏 › 技术社区 › stone rock

如何将年龄分级特征替换为数值数据?

scikit-learn pandas python

stone rock · 技术社区 · 7 年前

我创造了 agebin 列从 age 柱。我有一系列 ages 但是我怎样才能把它们转换成 阿格宾 数值数据类型,因为我想检查 阿格宾 是不是重要的特征。

我尝试了以下年龄分类代码:

    traindata = data.assign(age_bins =  pd.cut(data.age, 4, retbins=False, include_lowest=True))

    data['agebin'] = traindata['age_bins']

data['agebin'].unique()

[[16.954, 28.5], (28.5, 40], (40, 51.5], (51.5, 63]]
Categories (4, object): [[16.954, 28.5] < (28.5, 40] < (40, 51.5] < (51.5, 63]]

我试过的:

data['enc_agebin'] = data.agebin.map({[16.954, 28.5]:1,(28.5, 40]:2,(40, 51.5]:3,(51.5, 63]:4})

我试图映射每个范围并将其转换为数字,但出现语法错误。请推荐一些好的转换技巧 阿格宾 对数字数据是绝对的。

1 回复 | 直到 7 年前

jezrael 7 年前

我想需要参数 labels 在里面 cut :

data = pd.DataFrame({'age':[10,20,40,50,44,56,12,34,56]})

data['agebin'] = pd.cut(data.age,bins=4,labels=range(1, 5), retbins=False,include_lowest=True)
print (data)
   age agebin
0   10      1
1   20      1
2   40      3
3   50      4
4   44      3
5   56      4
6   12      1
7   34      3
8   56      4

或使用 labels=False ,则第一个bin是 0 最后 3 (像 range(4) ):

data['agebin'] = pd.cut(data.age, bins=4, labels=False, retbins=False, include_lowest=True)
print (data)
   age  agebin
0   10       0
1   20       0
2   40       2
3   50       3
4   44       2
5   56       3
6   12       0
7   34       2
8   56       3

推荐文章