Столбец группировки / категоризации возрастов в Python Pandas

Question

У меня есть датафрейм, скажем df.df имеет столбец 'Ages'

>>> df['Age']

Я хочу сгруппировать эти возрасты и создать новый столбецчто-то вроде этого

If age >= 0 & age < 2 then AgeGroup = Infant
If age >= 2 & age < 4 then AgeGroup = Toddler
If age >= 4 & age < 13 then AgeGroup = Kid
If age >= 13 & age < 20 then AgeGroup = Teen
and so on .....

Как мне добиться этого с помощью библиотеки Pandas.

Я пытался сделать что-то вроде этого

X_train_data['AgeGroup'][ X_train_data.Age < 13 ] = 'Kid'
X_train_data['AgeGroup'][ X_train_data.Age < 3 ] = 'Toddler'
X_train_data['AgeGroup'][ X_train_data.Age < 1 ] = 'Infant'

, но при этом я получаю это предупреждение

/ Users / Anand / miniconda3 / envs / learn / lib / python3.7 / site-packages / ipykernel_launcher.py: 3: SettingWithCopyWarning: значение пытается быть установлено для копиисрез из DataFrame. Смотрите предостережения в документации: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy Это отдельно от пакета ipykernel, поэтому мы можем избежать импорта до /Users/Anand/miniconda3/envs/learn/lib/python3.7/site-packages / ipykernel_launcher.py: 4: SettingWithCopyWarning: пытается установить значение для копии среза из фрейма данных

Как избежать этого предупреждения и сделать его лучше.

Answer 1

Просто используйте:

X_train_data.loc[(X_train_data.Age < 13),  'AgeGroup'] = 'Kid'

Answer 2

Используйте pandas.cut с параметром right=False, если не включает крайний правый край лотков:

X_train_data = pd.DataFrame({'Age':[0,2,4,13,35,-1,54]})

bins= [0,2,4,13,20,110]
labels = ['Infant','Toddler','Kid','Teen','Adult']
X_train_data['AgeGroup'] = pd.cut(X_train_data['Age'], bins=bins, labels=labels, right=False)
print (X_train_data)
   Age AgeGroup
0    0   Infant
1    2  Toddler
2    4      Kid
3   13     Teen
4   35    Adult
5   -1      NaN
6   54    Adult

Последний для замены пропущенного значения используется add_categories с fillna:

X_train_data['AgeGroup'] = X_train_data['AgeGroup'].cat.add_categories('unknown')
                                                   .fillna('unknown')
print (X_train_data)
   Age AgeGroup
0    0   Infant
1    2  Toddler
2    4      Kid
3   13     Teen
4   35    Adult
5   -1  unknown
6   54    Adult

---

bins= [-1,0,2,4,13,20, 110]
labels = ['unknown','Infant','Toddler','Kid','Teen', 'Adult']
X_train_data['AgeGroup'] = pd.cut(X_train_data['Age'], bins=bins, labels=labels, right=False)

print (X_train_data)
   Age AgeGroup
0    0   Infant
1    2  Toddler
2    4      Kid
3   13     Teen
4   35    Adult
5   -1  unknown
6   54    Adult