在Pandas DataFrame中对Cost列分箱后生成独热编码并拼接至原表

需求说明 #

给定如下结构的DataFrame：

需要对Cost列设置N个分箱（示例为5个），生成独热编码向量后拼接至原DataFrame，得到目标结构的表格。

实现步骤与代码 #

1. 导入依赖库

import pandas as pd

2. 构造示例DataFrame

df = pd.DataFrame({
    '序号': [1, 2, 3, 4, 5],
    'Cost': [10.5, 34, 755, 1203, 323]
})

3. 对Cost列进行等宽分箱
   使用pd.cut()实现直方图式的等宽分箱，设置分箱数量为5，同时指定include_lowest=True确保最小值被包含在第一个分箱中：

df['bin'] = pd.cut(df['Cost'], bins=5, include_lowest=True)

4. 生成独热编码
   使用pd.get_dummies()对分箱结果进行独热编码，设置prefix=''去掉默认前缀，并重命名列名为1到5：

one_hot = pd.get_dummies(df['bin'], prefix='')
one_hot.columns = [str(i) for i in range(1, 6)]

5. 拼接原DataFrame与独热编码结果
   用pd.concat()将原DataFrame和独热编码数据按列拼接，最后删除临时的bin列：

result_df = pd.concat([df.drop('bin', axis=1), one_hot], axis=1)

最终结果 #

执行上述代码后，得到的result_df结构如下：

内容的提问来源于stack exchange，提问作者Krishna