创建/重命名分类与熊猫

Question

我用熊猫（Python 2.7版），使用到评估调查（部分）下面的代码：

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 

首先阅读该.csv

df = pd.read_csv("data_project_638595_2017_05_23.csv", sep=';',usecols=range(6,82) + range(92,112)) 

重命名列（这是一个例子）：

df.rename(columns={"v_27" : "age"}, inplace=True) 

集的数据类型对于所有实施例（这是一个例子）：

df["age"] = df["age"].astype("category") 

年龄也被要求在参与调查的cateogries参与者。因此，年龄看起来现在这个样子，其中2.0 =“20-29岁”：

df.age 

     age 
... 
333 2.0 
336 2.0 
338 2.0 
Name: age, dtype: category 
Categories (5, float64): [1.0, 2.0, 3.0, 4.0, 5.0] 

，其计这样的：

df.age.value_counts() 

2.0 178 
3.0  29 
5.0  3 
4.0  2 
1.0  2 
Name: age, dtype: int64 

我现在想要做的是建立和重命名以下类别（这也意味着，提出“60 +”具有0计数和分类也应订购）：

['0-19', '20-29', '30-39', '40-49', '50-59', '60+'] 

我试过几种方法（如rename_categories），但我只是无法得到它应该像它应该那样工作。

什么是可行的解决方案？提前致谢！

Answer 1

pd.cut使用方法：

df['new'] = pd.cut(df.age, 
        bins=[0, 19, 29, 39, 49, 59, 999], 
        labels=['0-19', '20-29', '30-39', '40-49', '50-59', '60+'], 
        include_lowest=True) 

演示：

In [103]: df = pd.DataFrame(np.random.randint(100, size=(10)), columns=['age']) 

In [104]: df 
Out[104]: 
    age 
0 10 
1 64 
2 84 
3 14 
4 4 
5 31 
6 98 
7 22 
8 49 
9 50 

In [105]: df['new'] = pd.cut(df.age, 
    ...:     bins=[0, 19, 29, 39, 49, 59, 999], 
    ...:     labels=['0-19', '20-29', '30-39', '40-49', '50-59', '60+'], 
    ...:     include_lowest=True) 

In [106]: df 
Out[106]: 
    age new 
0 10 0-19 
1 64 60+ 
2 84 60+ 
3 14 0-19 
4 4 0-19 
5 31 30-39 
6 98 60+ 
7 22 20-29 
8 49 40-49 
9 50 50-59 

UPDATE：

映射：

In [20]: d 
Out[20]: {0: '0-19', 1: '20-29', 2: '30-39', 3: '40-49', 4: '50-59', 5: '60+'} 

来源DF：

In [21]: df 
Out[21]: 
    age 
0 0 
1 3 
2 2 
3 3 
4 4 
5 2 
6 0 
7 3 
8 2 
9 4 

映射年龄：

In [22]: df.age.map(d) 
Out[22]: 
0  0-19 
1 40-49 
2 30-39 
3 40-49 
4 50-59 
5 30-39 
6  0-19 
7 40-49 
8 30-39 
9 50-59 
Name: age, dtype: object