对年龄数据进行离散化操作，设定分割尺度

离散化是将连续型变量分成有限数量的离散化的过程。对于年龄这样的连续型变量，我们可以将它离散化为几个年龄段，以便进行分析和建模。

以下是一个示例代码，将年龄数据离散化为3个年龄段（青年、中年、老年）：

import pandas as pd

# 假设原始数据存储在df中，其中age列为年龄数据
df = pd.DataFrame({'age': [20, 32, 45, 52, 60, 70]})

# 设定分割尺度
bins = [0, 35, 55, 100]

# 使用cut函数进行离散化
df['age_group'] = pd.cut(df['age'], bins=bins, labels=['青年', '中年', '老年'])

# 输出离散化后的数据
print(df)

在上面的代码中，我们使用pandas库中的cut函数来进行离散化操作。首先，我们设定了分割尺度，即将年龄分为0-35岁（青年）、35-55岁（中年）和55岁以上（老年）三个年龄段。然后，使用cut函数将原始数据中的age列离散化为age_group列，并将其存储在新的DataFrame对象df中。最后，我们输出了离散化后的数据，可以看到年龄数据已经被成功离散化为三个年龄段。