Pandas年龄列混存字符串整数 分桶时报str与int比较类型错误

你当前DataFrame的age列存储的是区间类字符串值（比如20 or younger、26 30这类），不是单个整数年龄，列数据类型为字符串型（object）。原age_buckets函数的逻辑是将输入值和整数做大小比较，字符串和整数无法直接做<运算，因此触发TypeError。

你现有age列的原始取值及对应计数整理如下：

• 20 or younger：14条
• 61 or older：45条
• 56-60：34条
• 31-35：30条
• 56 or older：31条
• 21-25：23条
• 26 30：56条（连字符缺失，实际为26-30区间）
• 31 35：44条（连字符缺失，实际为31-35区间）
• 36 40：32条（连字符缺失，实际为36-40区间）
• 21 25：26条（连字符缺失，实际为21-25区间）
• 26-30：14条
• 46 50：14条（连字符缺失，实际为46-50区间）
• 36-40：15条
• 46-50：33条
• 41 45：24条（连字符缺失，实际为41-45区间）
• 41-45：29条
• 51-55：35条

针对当前字符串格式的年龄区间数据，不需要提取单个年龄值，直接做格式归一化+映射匹配即可完成分桶，代码可直接复用：

import pandas as pd

# 定义原始年龄区间到目标标准分桶的映射规则
age_mapping = {
    "20 or younger": "18-29",
    "21-25": "18-29",
    "26-30": "18-29",
    "31-35": "30-39",
    "36-40": "30-39",
    "41-45": "40-49",
    "46-50": "40-49",
    "51-55": "50-59",
    "56-60": "50-59",
    "56 or older": "50-59",
    "61 or older": "60-69"
}

# 统一区间格式：把空格分隔的区间替换为横杠连接，再把带or的描述还原
df["age_temp"] = df["age"].str.replace(r"\s+", "-", regex=True)
df["age_temp"] = df["age_temp"].str.replace("-or-", " or ")

# 映射得到标准分桶，未匹配到的内容归为other
df["age_bucket"] = df["age_temp"].map(age_mapping).fillna("other")

# 用完可以删除临时列
df = df.drop(columns=["age_temp"])

补充：如果后续你拿到的age列是单个年龄数值，原来写的age_buckets函数可以正常使用，只要提前把列转为数值类型即可：df["age"] = pd.to_numeric(df["age"], errors="coerce")，转完类型再应用函数就不会触发类型错误。

内容的提问来源于stack exchange，提问作者eddie