Python含缺失值的年龄分箱求助：类型转换与分箱报错问题

错误原因分析 #

1. 提前填充字符串导致类型转换失败：先把NaN填充为"unknown"字符串，后续转float时，字符串无法被转换，触发could not convert string to float: 'N/A'错误。
2. 分类操作对象错误：cat.add_categories仅适用于分类类型（Categorical）数据，你之前的AGE列是数值/字符串混合类型，该操作无效。
3. 分箱时类型不兼容：pd.cut无法处理字符串与数值混合的数据，因此出现not supported between instances of 'int' and 'str'错误。

修正后的代码 #

import pandas as pd

# 1. 清理年龄列：去除%符号，转换为数值，无法转换的标记为NaN
Students['AGE'] = pd.to_numeric(Students['AGE'].str.replace('%', '', regex=True), errors='coerce')

# 2. 定义分箱区间和对应标签
bins = [0, 18, 30, 50, 65, 75, float('inf')]
labels = ["18 and under", "19-30", "31-50", "51-65", "66-75", "75+"]

# 3. 对数值型年龄分箱，保留缺失值
Students['AGE_BIN'] = pd.cut(Students['AGE'], bins=bins, labels=labels, include_lowest=True)

# 4. 添加"Not_Available"类别，并填充缺失值
Students['AGE_BIN'] = Students['AGE_BIN'].cat.add_categories("Not_Available").fillna("Not_Available")

# 5. 统计并输出各类别数量
age_counts = Students['AGE_BIN'].value_counts()
for cat, num in age_counts.items():
    print(f"{cat}: {num}")

代码说明 #

• 数值转换：用pd.to_numeric配合errors='coerce'，将无法转换的内容（含原NaN）统一转为NaN，避免类型冲突。
• 分箱逻辑：用float('inf')覆盖75以上的所有年龄，确保无遗漏；include_lowest=True让0岁被归入第一个区间。
• 缺失值处理：先通过cat.add_categories给分类列新增"Not_Available"类别，再用fillna将缺失值填充为该类别，保证分类完整性。

内容的提问来源于stack exchange，提问作者Mo_Phy