Python pandas问卷数据清洗：实现年龄区间分类重分组

直接对原分类值调用groupby无法自动合并指定类别，先通过值映射把原有分类匹配到目标分组标签，再做后续统计/聚合即可。

映射规则说明 #

目标共2个分组，对应原分类映射关系如下：

• <=25：合并原分类Between 18 -25、Under 18
• >=26：合并原分类Between 26 - 30、31 or more

具体实现代码 #

方法1：生成固定分组列（推荐） #

先在数据表中新增分组列，后续可以直接复用做各类分析：

# 定义分类映射字典
age_group_map = {
    'Between 18 -25': '<=25',
    'Under 18': '<=25',
    'Between 26 - 30': '>=26',
    '31 or more': '>=26'
}

# 新增年龄分组列，不需要保留原列也可以直接赋值给game['Age']覆盖
game['age_group'] = game['Age'].replace(age_group_map)

执行后可以通过值计数验证结果：

print(game['age_group'].value_counts())

得到的输出和预期一致：

<=25    141
>=26     28
Name: age_group, dtype: int64

后续要做分组统计，直接对新列调用groupby即可，例如统计不同年龄组的游戏时长均值：

game.groupby('age_group')['play_hours'].mean()

方法2：不修改原表临时分组 #

如果不想改动原数据表结构，可以在groupby中直接传入映射后的序列完成分组：

# 示例：直接统计各分组样本量
game.groupby(game['Age'].map(age_group_map)).size()

之前groupby未生效的原因 #

groupby会按照传入字段的现有唯一值做拆分，不会自动按照预期逻辑合并离散分类，必须先完成值到目标分组的映射转换，才能得到正确的分组结果。

内容的提问来源于stack exchange，提问作者Ben