如何用分箱值替换DataFrame的Age列并生成新DataFrame？

你用pd.cut()处理连续年龄分箱的思路完全正确，这是Pandas中把连续变量转为分类变量的标准方案。下面是完整的实现代码，帮你生成目标DataFrame new_df：

原DataFrame（df）： #

Customer_ID  Gender  Age
0   0002-ORFBO  Female   37
1   0003-MKNFE    Male   46
2   0004-TLHLJ    Male   50
3   0011-IGKFF    Male   78
4   0013-EXCHZ  Female   75
5   0013-MHZWF  Female   23
6   0013-SMEOE  Female   67
7   0014-BMAQU    Male   52
8   0015-UOCOJ  Female   68
9   0016-QLJIS  Female   43
10  0017-DINOC    Male   47
11  0017-IUDMW  Female   25
12  0018-NYROU  Female   58
13  0019-EFAEP  Female   32
14  0019-GFNTW  Female   39
15  0020-INWCK  Female   58
16  0020-JDNXP  Female   52
17  0021-IKXGC  Female   72
18  0022-TCJCI    Male   79

完整实现代码： #

import pandas as pd

# 定义分箱边界和对应标签
bins = [0, 3, 17, 25, 64, 99]
labels = ['幼儿', '儿童', '青年', '成年', '老年']

# 复制原DataFrame，避免修改原数据
new_df = df.copy()
# 将Age列替换为分箱后的分类变量
new_df['Age'] = pd.cut(df['Age'], bins=bins, labels=labels, include_lowest=True)

代码说明： #

• df.copy()：复制原DataFrame生成new_df，防止直接修改原数据df
• pd.cut()的参数：
  • bins：指定分箱的数值边界，对应你定义的年龄区间
  • labels：给每个分箱区间设置对应的中文分类标签
  • include_lowest=True：确保最小值被包含在第一个区间内，让逻辑更严谨

运行后new_df的结果： #

Customer_ID  Gender    Age
0   0002-ORFBO  Female    成年
1   0003-MKNFE    Male    成年
2   0004-TLHLJ    Male    成年
3   0011-IGKFF    Male    老年
4   0013-EXCHZ  Female    老年
5   0013-MHZWF  Female    青年
6   0013-SMEOE  Female    老年
7   0014-BMAQU    Male    成年
8   0015-UOCOJ  Female    老年
9   0016-QLJIS  Female    成年
10  0017-DINOC    Male    成年
11  0017-IUDMW  Female    青年
12  0018-NYROU  Female    成年
13  0019-EFAEP  Female    成年
14  0019-GFNTW  Female    成年
15  0020-INWCK  Female    成年
16  0020-JDNXP  Female    成年
17  0021-IKXGC  Female    老年
18  0022-TCJCI    Male    老年

内容的提问来源于stack exchange，提问作者c200402