如何聚合Pandas DataFrame列值为两类并转换为分类列

你可以按两步完成处理，逻辑非常简单：

• 对目标列做值映射，将所有大于1的取值统一归为「大于1」类，取值为1的保留为「1」类
• 将处理后的列转换为Pandas内置的category分类类型，既可以减少内存占用，也能固定分类顺序方便后续统计、可视化

完整可复现代码 #

import pandas as pd
import numpy as np

# 1. 构造模拟原始数据（匹配多列、col1多取值的场景）
df = pd.DataFrame({
    "col1": [1, 2, 3, 1, 1, 4, 2, 1, 5, 1, 3, 1],
    "col2": ["x", "y", "z", "x", "m", "n", "y", "x", "p", "q", "z", "x"],
    "col3": [0.1, 0.5, 0.3, 0.2, 0.7, 0.9, 0.4, 0.1, 0.8, 0.2, 0.6, 0.3]
})

# 2. 核心处理：值归并
# 逻辑：col1值等于1则标记为"1"，其余（大于1的所有值）标记为"大于1"
df["col1"] = np.where(
    df["col1"] == 1,
    "1",
    "大于1"
)

# 3. 转为分类列，可指定分类顺序保证后续排序/统计符合预期
df["col1"] = df["col1"].astype(
    "category",
    categories=["1", "大于1"]  # 固定两个分类的展示顺序
)

结果验证 #

执行以下代码可以确认处理效果：

# 查看列类型
print(df["col1"].dtype)
# 输出：category

# 查看值分布
print(df["col1"].value_counts())
# 输出：
# 1      7
# 大于1    5
# Name: col1, dtype: int64

可选调整方案 #

• 如果原始col1存在小于1的异常值（比如0、负数），可以按需调整判断逻辑：比如先过滤异常行，或者给异常值单独设置分类，修改np.where的判断条件即可
• 如果不想引入numpy依赖，也可以用Pandas原生方法实现值替换：

  # 取出所有大于1的取值，生成替换映射表
  replace_map = {val: "大于1" for val in df["col1"].unique() if val > 1}
  df["col1"] = df["col1"].replace(replace_map).astype("category")
  

内容的提问来源于stack exchange，提问作者user13052453