处理Wage数据集分箱时如何解决pandas.get_dummies一维数据异常

看起来你在处理Wage.csv的分箱操作时踩了一个常见的pandas坑——这个错误几乎都是因为你传给分箱函数的不是一维数据导致的，我来帮你快速定位和修复：

核心原因 #

最常见的场景是：你不小心用了双括号取列（比如data[['age']]），这会返回一个二维的DataFrame对象，而pd.cut/pd.qcut这类分箱函数要求输入必须是一维的Series。如果你的data_x是用双括号定义的，那这就是问题根源。

修复步骤 #

1. 先确认你的输入数据类型 #

先跑两行代码检查：

print(type(data_x))  # 正常应该输出 <class 'pandas.core.series.Series'>
print(data_x.ndim)   # 正常应该输出 1

如果输出是DataFrame或者维度为2，那直接修改取列方式即可。

2. 修正分箱代码 #

把取列的双括号改成单括号，确保传入一维Series：

# 正确：单括号取列，返回一维Series
data_x = data['age']

# 执行分箱操作（示例：把年龄分成5个等宽区间）
age_bins = pd.cut(data_x, bins=5, labels=['青年', '中青年', '中年', '中老年', '老年'])

# 或者用等频分箱（每个区间样本数大致相等）
age_qbins = pd.qcut(data_x, q=5)

3. 验证结果 #

可以把分箱结果合并到原数据集里查看效果：

data['age_bin'] = age_bins
print(data[['age', 'age_bin', 'wage']].head())

额外排查：如果用statsmodels的工具分箱 #

如果你是用statsmodels里的分箱函数（比如sm.tools.categorical），同样要确保输入是一维的：

from statsmodels.tools import categorical
age_cats = categorical(data_x, bins=5, drop=True)

这个问题其实很容易解决，核心就是区分开pandas里单括号（取Series）和双括号（取DataFrame）的差异~

内容的提问来源于stack exchange，提问作者shan