如何用Python将Pandas数据框的年龄区间列因子化为0、1、2

嘿，这问题我太熟了！给你几种简单直接的Pandas操作方法，轻松把这些年龄区间转成0、1、2的因子值：

如果你的年龄区间是固定的，直接建个映射字典，用map()就能搞定，完全自己说了算对应关系：

import pandas as pd

# 先模拟你的数据框（替换成你实际的df和列名）
df = pd.DataFrame({'age_range': ['[0-10)', '[10-20)', '[20-30)', '[0-10)', '[20-30)']})

# 定义区间到因子的映射
range_to_factor = {'[0-10)': 0, '[10-20)': 1, '[20-30)': 2}

# 生成新的因子列
df['age_factor'] = df['age_range'].map(range_to_factor)

这种方法的好处是，哪怕你的区间在数据里乱序出现，也能保证每个区间对应正确的因子值，不会出错。

如果你的区间在数据里的出现顺序刚好是你想要的（或者可以排序），用pd.factorize()会更省心：

# 自动按区间首次出现的顺序分配0、1、2
df['age_factor'], _ = pd.factorize(df['age_range'])

# 如果担心数据里区间顺序乱，还可以加排序参数，确保按区间实际大小排序
df['age_factor'], _ = pd.factorize(df['age_range'], sort=True)

这里sort=True会先把所有唯一区间按字符串排序（你的区间字符串刚好和实际年龄顺序一致，所以没问题），再分配因子值，完美适配你的需求。

和map()效果差不多，也是用字典，写法稍微不同：

df['age_factor'] = df['age_range'].replace(range_to_factor)

这个方法同样适合固定区间的场景，用法灵活，看你个人习惯选就行。

如果以后你的区间变多了，比如新增了[30-40)、[40-50)，不用手动写字典，自动生成映射：

# 先把所有唯一区间按顺序排序
sorted_ranges = sorted(df['age_range'].unique())
# 用字典推导式生成映射
range_to_factor = {range_val: idx for idx, range_val in enumerate(sorted_ranges)}
# 生成因子列
df['age_factor'] = df['age_range'].map(range_to_factor)

这样不管有多少个区间，都能自动按顺序分配0、1、2...的因子值，超方便！

内容的提问来源于stack exchange，提问作者Travisty