解决Pandas DataFrame中年龄变量转二值时的类型错误问题

你遇到的核心问题是年龄字段为字符串类型，无法直接和整数65做比较。解决思路分两步：先把字符串转为数值类型，再生成二值标签。

步骤1：转换年龄列的数值类型 #

先用pd.to_numeric()将字符串格式的年龄转为数值型，同时处理可能的非数字数据（比如空值、异常字符串）：

import pandas as pd
import numpy as np

# 假设你的DataFrame名为df，年龄列名为'age'
df['age'] = pd.to_numeric(df['age'], errors='coerce')

• errors='coerce'会把无法转换为数字的内容转为NaN，之后你可以根据需求处理缺失值：

  # 示例：用年龄中位数填充缺失值
  df['age'].fillna(df['age'].median(), inplace=True)
  # 或者删除含缺失值的行
  # df.dropna(subset=['age'], inplace=True)
  

步骤2：生成二值化年龄标签 #

类型转换完成后，任选以下一种方式生成目标列（65岁及以上标记为1，否则为0）：

方法1：np.where（最简洁）

df['age_binary'] = np.where(df['age'] >= 65, 1, 0)

方法2：布尔索引赋值

df['age_binary'] = 0  # 先默认全部设为0
df.loc[df['age'] >= 65, 'age_binary'] = 1  # 符合条件的改为1

方法3：apply（适合复杂逻辑场景）

df['age_binary'] = df['age'].apply(lambda x: 1 if x >= 65 else 0)

内容的提问来源于stack exchange，提问作者Robert