Python中如何将分类变量按值转为二元变量？目标变量二值化遇困

你遇到的问题很典型——用replace()处理连续浮点数确实行不通，因为没法枚举所有可能的取值。以下几种方法能轻松解决这个问题，直接把结果存入你的DataFrame：

方法1：用numpy.where（最简洁直接） #

这是处理条件赋值最常用的方法，一行代码搞定：

import numpy as np
import pandas as pd

# 添加文本标签列（poor/good）
df['quality_label'] = np.where(df['quality'] < 6.5, 'poor', 'good')

# 如果需要直接存0/1数值
df['quality_binary'] = np.where(df['quality'] < 6.5, 0, 1)

原理：np.where会遍历每一个quality值，满足<6.5就返回第一个值，否则返回第二个，直接赋值给新列即可。

方法2：用pandas.cut（适合分箱场景） #

如果以后需要调整分箱阈值，这个方法更灵活：

# 分箱并生成文本标签
df['quality_label'] = pd.cut(
    df['quality'],
    bins=[-np.inf, 6.5, np.inf],  # 用-inf和inf确保覆盖所有0-10的浮点数
    labels=['poor', 'good']
)

# 生成0/1数值列（转成int类型）
df['quality_binary'] = pd.cut(
    df['quality'],
    bins=[-np.inf, 6.5, np.inf],
    labels=[0, 1]
).astype(int)

方法3：用apply自定义函数（灵活度最高） #

如果需要更复杂的逻辑，自定义函数+apply也能解决：

# 自定义函数返回文本标签
def get_quality_label(x):
    return 'poor' if x < 6.5 else 'good'

df['quality_label'] = df['quality'].apply(get_quality_label)

# 用lambda表达式直接返回数值，更简洁
df['quality_binary'] = df['quality'].apply(lambda x: 0 if x < 6.5 else 1)

不管用哪种方法，都是直接给df新增列赋值，结果会自动存入你的数据集里。

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