Python 仅替换列中的整数值，并使用pd.cut重命名值？

我有一个数据帧'lc'，只想将整数值替换为字符串

            indexsum
    82445    start
    82446    start
    82447    start
    82448       11
    82449       10
    82450       12
    82451       12
    82452        9
    82453       11
    82454        9
    82455       10
    82456       10
    82457        9
    82458        9
    82459        9

我已经学会了使用pd.cut方法并编写这样的代码，但出现了错误消息。如果在同一列中有字符串和整数值，则似乎无法使用此代码。我必须使用什么功能？（代替映射方法）

我们可以使用以下方法：

---

让我们使用

pd.to\u numeric

with

errors='coerece'

：

df['lc'] = pd.cut(pd.to_numeric(df.indexsum, errors='coerce'),bins=[-np.inf,0,4,8,12,16], labels=["start","growth","mature","revival","decline"]).fillna('start')

输出：

      indexsum       lc
82445    start    start
82446    start    start
82447    start    start
82448       11  revival
82449       10  revival
82450       12  revival
82451       12  revival
82452        9  revival
82453       11  revival
82454        9  revival
82455       10  revival
82456       10  revival
82457        9  revival
82458        9  revival
82459        9  revival

---

谢谢还有一个问题！如果我想将indexsum中的值“start”保存到lcindex中，以便在lcindex列中没有任何Nan值，该怎么办？@TTaa，请检查Scott Boston的回答：）我认为

。fillna（df.indexsum）

会更健壮一些，因为OP可能有不同的字符串（不仅仅是

start

）：）我不认为这会起作用，因为pd.cut返回category dtype，而其他人可能返回不在标签中的字符串。这是一个很好的观点，谢谢！我们可以在末尾添加

.astype（'category'）

——这将使该系列回到

category

dtype

df['lc'] = pd.cut(pd.to_numeric(df.indexsum, errors='coerce'),bins=[-np.inf,0,4,8,12,16], labels=["start","growth","mature","revival","decline"]).fillna('start')

      indexsum       lc
82445    start    start
82446    start    start
82447    start    start
82448       11  revival
82449       10  revival
82450       12  revival
82451       12  revival
82452        9  revival
82453       11  revival
82454        9  revival
82455       10  revival
82456       10  revival
82457        9  revival
82458        9  revival
82459        9  revival