python对一列数据按范围进行数字编码

可以使用pandas库中的cut函数对一列数据按范围进行数字编码。

例如，对于以下数据：

import pandas as pd

data = [20, 35, 27, 40, 18, 22, 50, 32, 28, 45]
df = pd.DataFrame(data, columns=['age'])

可以使用cut函数对年龄进行分段，并通过labels参数指定每个分段的标签：

bins = [0, 18, 25, 35, 60]
labels = ['0-18', '19-25', '26-35', '36+']

df['age_group'] = pd.cut(df['age'], bins=bins, labels=labels)
print(df)

输出结果为：

   age age_group
0   20     19-25
1   35     26-35
2   27     26-35
3   40       36+
4   18      0-18
5   22     19-25
6   50       36+
7   32     26-35
8   28     26-35
9   45       36+

其中，age_group列即为按年龄范围进行编码后的结果。

相关问题

python对一列数据进行数字编码

可以使用sklearn中的LabelEncoder对一列数据进行数字编码。

示例代码：

from sklearn.preprocessing import LabelEncoder

data = ['apple', 'banana', 'orange', 'apple', 'orange']

# 创建LabelEncoder对象
le = LabelEncoder()

# 对数据进行数字编码
encoded_data = le.fit_transform(data)

print(encoded_data)

输出结果：

[0 1 2 0 2]

其中，apple被编码为0，banana被编码为1，orange被编码为2。

python对一列数字进行数字编码

如果您的意思是将一列数字转换为数字编码，可以使用Python的LabelEncoder类。

以下是一个示例代码：

from sklearn import preprocessing

# 创建一个示例数据
data = [10, 5, 7, 5, 2, 10, 7, 7, 7]

# 创建LabelEncoder对象
le = preprocessing.LabelEncoder()

# 将数据进行编码
le.fit(data)
encoded_data = le.transform(data)

# 输出编码后的数据
print(encoded_data)

输出结果为：

[2 1 3 1 0 2 3 3 3]

这里，数据中的每个数字都被编码为一个整数。编码的规则是按照数字出现的顺序，从0开始分配整数值，例如第一个出现的数字被编码为0，第二个出现的数字被编码为1，以此类推。

如果您想要将编码后的数据转换回原始数据，可以使用inverse_transform方法，如下所示：

# 将编码后的数据转换回原始数据
decoded_data = le.inverse_transform(encoded_data)

# 输出原始数据
print(decoded_data)

输出结果为：

[10  5  7  5  2 10  7  7  7]