基于两个虚拟变量创建分类变量的技术求助

你的代码存在两个核心问题：

• 错误地将数值型的MALE字段（值为1.0/0.0）与字符串'1'做比较，导致条件永远不成立，所有Gender值都被错误设为'Male'
• 逻辑完全颠倒：需求是MALE==1时设为'Male'，但你写的是设为'Female'

正确实现方法 #

方法1：修正np.where逻辑与比较值

import numpy as np
import pandas as pd

stata_data_P1  = pd.DataFrame({'ID': {0: 5531.0, 1: 2658.0, 2: 5365.0, 3: 4468.0, 4: 3142.0}, 'FEMALE': {0: 1.0, 1: 0.0, 2: 0.0, 3: 0.0, 4: 1.0}, 'MALE': {0: 0.0, 1: 1.0, 2: 1.0, 3: 1.0, 4: 0.0}, 'AGE': {0: 45.0, 1: 40.0, 2: 38.0, 3: 43.0, 4: 38.0}, 'S': {0: 12.0, 1: 12.0, 2: 15.0, 3: 13.0, 4: 18.0}})

# 修正后的代码
stata_data_P1['Gender'] = np.where(stata_data_P1['MALE'] == 1.0, 'Male', 'Female')

stata_data_P1.head()

运行后Gender列会正确显示：Female, Male, Male, Male, Female

方法2：利用map函数映射（更直观）

如果想用FEMALE字段来映射：

stata_data_P1['Gender'] = stata_data_P1['FEMALE'].map({1.0: 'Female', 0.0: 'Male'})

方法3：严谨的多条件赋值（处理异常值）

如果担心数据中出现MALE和FEMALE同时为0/1的异常情况，可以用精准的位置赋值：

stata_data_P1['Gender'] = pd.Series(dtype='object')
stata_data_P1.loc[stata_data_P1['MALE'] == 1.0, 'Gender'] = 'Male'
stata_data_P1.loc[stata_data_P1['FEMALE'] == 1.0, 'Gender'] = 'Female'

内容的提问来源于stack exchange，提问作者Adam_PythonEnthusist