如何将DataFrame数值型weight列转为离散分类值用于后续独热编码

需求说明 #

处理DataFrame数据集时，需要将weight列的连续数值按固定规则映射为0/1/2三类离散值，方便后续执行独热编码，映射规则为：

• 数值小于90（计算式：173-83）映射为0
• 数值大于等于90、小于173映射为1
• 数值大于等于173映射为2

对应自定义判断逻辑参考：

def classificator(value):
    if value < (173-83):
        return 0
    elif value < (173):
        return 1
    else:
        return 2

实现方案 #

方案1：使用pandas内置cut函数（推荐，性能最优） #

pd.cut是pandas专门用于连续值分箱的内置方法，执行效率远高于逐行遍历，适合各类数据量场景，逻辑和自定义规则完全对齐：

import pandas as pd

# 定义分箱区间边界、对应分类标签
# right=False 表示区间为左闭右开，匹配 value < 阈值 的判断逻辑
bins = [-float("inf"), 173-83, 173, float("inf")]
labels = [0, 1, 2]

# 写法1：新增列存储分类结果（推荐，保留原始weight字段便于回溯校验）
df["weight_cat"] = pd.cut(df["weight"], bins=bins, labels=labels, right=False).astype(int)

# 写法2：直接替换原有weight列
# df["weight"] = pd.cut(df["weight"], bins=bins, labels=labels, right=False).astype(int)

转换完成后直接对分类列做独热编码即可，和gender这类原生分类列的处理效果完全一致，示例：

# 对分类后的weight列做one hot encode
df = pd.get_dummies(df, columns=["weight_cat"], prefix="weight")

方案2：使用apply映射自定义函数 #

如果后续分类逻辑变复杂，无法通过简单分箱实现，可以直接用apply方法逐行调用写好的分类函数：

def classificator(value):
    if value < (173-83):
        return 0
    elif value < (173):
        return 1
    else:
        return 2

# 新增分类列
df["weight_cat"] = df["weight"].apply(classificator)

# 替换原列
# df["weight"] = df["weight"].apply(classificator)

注意：如果weight列存在空值，需要先做缺失值处理再执行转换，否则会触发判断逻辑报错。

内容的提问来源于stack exchange，提问作者Blackhole