为DataFrame分类数据添加标签：婚姻状态调查数据处理

你已经把原始婚姻状态列d11104转换成编码后的marstat类别列了，接下来给这些数字编码配上对应文字标签其实很简单，这里有两种靠谱的方法：

方法1：手动映射重命名类别 #

从你的数据统计结果里，能明确编码和原始标签的对应关系：

• 0 → keine Angabe
• 1 → Married
• 2 → Single
• 3 → Widowed
• 4 → Divorced
• 5 → Separated

直接用cat.rename_categories()方法就能完成标签设置：

# 按编码顺序定义对应的标签列表
labels = ["keine Angabe", "Married", "Single", "Widowed", "Divorced", "Separated"]
df['marstat'] = df['marstat'].cat.rename_categories(labels)

执行完后运行df['marstat'].value_counts()，就能看到带文字标签的统计结果了。

方法2：复用原始列的类别配置（更稳妥） #

因为marstat是从d11104的cat.codes生成的，而d11104本身就是带类别标签的Categorical类型，你可以直接复用它的类别信息，避免手动输入出错：

# 建立编码到原始标签的映射字典
code_to_label = dict(enumerate(df['d11104'].cat.categories))
# 用映射字典重命名marstat的类别
df['marstat'] = df['marstat'].cat.rename_categories(code_to_label)

这种方法的优势是，如果后续原始列d11104的类别有调整，你不需要手动修改标签列表，直接复用原始配置即可。

小提醒 #

确保marstat列的类型是category（你已经用.astype('category')设置过了，所以没问题），设置标签后它依然会保留类别类型，既不影响统计分析的逻辑，又能让输出结果更直观。

内容的提问来源于stack exchange，提问作者E. Sommer