Python中如何将数据集年龄列的数值转换为对应文本标签？

• 第二种方法核心错误：Pandas的Series布尔判断不能使用Python原生逻辑运算符and/or，必须使用位运算符&/|，且每个判断条件必须用小括号单独包裹，避免运算符优先级冲突
• 两种方法共有的隐含错误：直接修改原age列的数值为字符串，会导致后续针对age的数值比较逻辑失效（字符串无法和整数做大小比较），越靠后的判断条件越容易触发报错
• 第一种方法缺少18-24岁的分段规则，该区间的年龄无法被匹配到对应标签

方案1：修正原生loc写法（适配原有逻辑） #

优先新建标签列，不修改原始年龄数值，避免影响后续其他数据计算：

# 先初始化空的标签列
df['age_label'] = ''
df.loc[(df['age'] >= 18) & (df['age'] <= 24), 'age_label'] = 'young adults'
df.loc[(df['age'] >= 25) & (df['age'] <= 34), 'age_label'] = 'middle aged adults'
df.loc[(df['age'] >= 35) & (df['age'] <= 49), 'age_label'] = 'older adults'
df.loc[df['age'] >= 50, 'age_label'] = 'elderly'

方案2：使用pd.cut方法（更简洁高效） #

针对分箱打标签的场景，Pandas内置的cut方法不用写多行判断逻辑，性能更高，代码更易维护：

import pandas as pd

# 定义分箱边界和对应标签，边界值设置为17是为了兼容18岁的取值
bins = [17, 24, 34, 49, float('inf')]
labels = ['young adults', 'middle aged adults', 'older adults', 'elderly']
# right=True表示分箱区间为左开右闭，(17,24]即对应18到24岁
df['age_label'] = pd.cut(df['age'], bins=bins, labels=labels, right=True)

如果需要覆盖18岁以下的年龄区间，直接调整bins和labels参数即可。

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