Python 巨蟒

编辑：添加了灵巧

使用

pandas.cut

是否会更改

pandas.DataFrame

的结构

我正在使用

pandas.cut

以以下方式将单个年龄段映射到年龄组，然后进行聚合。但是，聚合不起作用，因为我在所有要聚合的列中都使用了

NaN

。这是我的密码：

cutoff = numpy.hstack([numpy.array(defT.MinAge[0]),   defT.MaxAge.values])
labels = defT.AgeGrp

df['ageGrp'] = pandas.cut(df.Age, 
                          bins              = cutoff, 
                          labels            = labels, 
                          include_lowest    = True)

这里是灵巧的：

AgeGrp  MaxAge  MinAge
   1      18      14
   2      21      19
   3      24      22
   4      34      25
   5      44      35
   6      54      45
   7      65      55

然后我将数据帧传递到另一个函数中进行聚合：

grouped = df.groupby(['Year', 'Month', 'OccID', 'ageGrp', 'Sex', \
                      'Race', 'Hisp', 'Educ'], 
                      as_index = False)

final   = grouped.aggregate(numpy.sum)

如果我通过这种方式将年龄更改为不同的年龄组，它将非常有效：

df['ageGrp'] = 1
df.ix[(df.Age >= 14) & (df.Age <= 18), 'ageGrp'] = 1 # Age 16 - 20
df.ix[(df.Age >= 19) & (df.Age <= 21), 'ageGrp'] = 2 # Age 21 - 25  
df.ix[(df.Age >= 22) & (df.Age <= 24), 'ageGrp'] = 3 # Age 26 - 44  
df.ix[(df.Age >= 25) & (df.Age <= 34), 'ageGrp'] = 4 # Age 45 - 64  
df.ix[(df.Age >= 35) & (df.Age <= 44), 'ageGrp'] = 5 # Age 64 - 85  
df.ix[(df.Age >= 45) & (df.Age <= 54), 'ageGrp'] = 6 # Age 64 - 85  
df.ix[(df.Age >= 55) & (df.Age <= 64), 'ageGrp'] = 7 # Age 64 - 85  
df.ix[df.Age >= 65, 'ageGrp'] = 8 # Age 85+

df['ageGrp']=1
df.ix[（df.Age>=14）&（df.Age=19）&（df.Age=22）&（df.Age=25）&（df.Age=35）&（df.Age=45）&（df.Age=55）&（df.Age=65，'ageGrp']=8#85岁+

我更愿意在运行中执行此操作，导入定义表并使用

pandas.cut

，而不是硬编码

---

提前谢谢你。

也许这里有一个解决办法

考虑以下复制您描述的症状的示例：

import numpy as np
import pandas as pd
np.random.seed(2015)

defT = pd.DataFrame({'AgeGrp': [1, 2, 3, 4, 5, 6, 7],
                     'MaxAge': [18, 21, 24, 34, 44, 54, 65],
                     'MinAge': [14, 19, 22, 25, 35, 45, 55]})

cutoff = np.hstack([np.array(defT['MinAge'][0]), defT['MaxAge'].values])
labels = defT['AgeGrp']

N = 50
df = pd.DataFrame(np.random.randint(100, size=(N,2)), columns=['Age', 'Year'])
df['ageGrp'] = pd.cut(df['Age'], bins=cutoff, labels=labels, include_lowest=True)

grouped = df.groupby(['Year', 'ageGrp'], as_index=False)
final = grouped.agg(np.sum)
print(final)
#              Year  ageGrp  Age
# Year ageGrp                   
# 3    1        NaN     NaN  NaN
#      2        NaN     NaN  NaN
# ...
# 97   1        NaN     NaN  NaN
#      2        NaN     NaN  NaN
# [294 rows x 3 columns]

如果我们改变

grouped = df.groupby(['Year', 'ageGrp'], as_index=False)
final = grouped.agg(np.sum)

到

然后我们得到：

             Age
Year ageGrp     
6    7        61
16   4        32
18   1        34
25   3        23
28   5        39
34   7        60
35   5        42
38   4        25
40   2        19
53   7        59
56   4        25
     5        35
66   6        54
67   7        55
70   7        56
73   6        51
80   5        36
81   6        46
85   5        38
90   7        58
97   1        18

---

您可能需要发布一个小的数据帧来支持它。如果没有它，这只是一个猜测。添加到请求的data.frame中。@jriot您可以尝试

df['ageGrp'].isnull（）.sum（）吗

查看输出是否为零？我怀疑

age

列中有一些年龄不在bin范围内，因此

pd.cut

为这些值提供

NaN

，这可能会在执行

groupby

时引起问题。如果您手动操作，

df['ageGrp']=1

可以防止这种情况。@JianxunLi是的，因为编码年龄>=65意味着ageGrp=nan，但听起来他好像在说所有人都是nan？@JohnE分类变量中的

nan

是我能想到的唯一可能导致这种奇怪行为的东西（不确定所有

nan

）：-）否则，

pd.cut

只需给出标准的cat变量，处理

groupby

应该没有问题。谢谢！这很有效。但我不知道为什么，因为我在过程的前面做了df.dropna（），但没有任何效果。

             Age
Year ageGrp     
6    7        61
16   4        32
18   1        34
25   3        23
28   5        39
34   7        60
35   5        42
38   4        25
40   2        19
53   7        59
56   4        25
     5        35
66   6        54
67   7        55
70   7        56
73   6        51
80   5        36
81   6        46
85   5        38
90   7        58
97   1        18