如何在pandas中对列进行分类并添加新列

在pandas中，可以使用pd.cut()函数对列进行分类，并通过df['新列名']的方式添加新列。

具体步骤如下：

导入pandas库：import pandas as pd
创建一个DataFrame对象，假设为df。
使用pd.cut()函数对需要分类的列进行分类，并将结果赋值给新的列名。例如，假设要对名为column_name的列进行分类，可以使用以下代码：
使用pd.cut()函数对需要分类的列进行分类，并将结果赋值给新的列名。例如，假设要对名为column_name的列进行分类，可以使用以下代码：
其中，bins是分类的边界值，可以是一个列表或整数；labels是对应分类的标签，可以是一个列表或整数。
完成以上步骤后，df中将会新增一个名为新列名的列，其中每个元素表示对应行的分类结果。

以下是一个示例代码：

import pandas as pd

# 创建一个DataFrame对象
df = pd.DataFrame({'column_name': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]})

# 对列进行分类并添加新列
df['category'] = pd.cut(df['column_name'], bins=[0, 5, 10], labels=['low', 'high'])

# 打印结果
print(df)

输出结果如下：

   column_name category
0            1      low
1            2      low
2            3      low
3            4      low
4            5      low
5            6     high
6            7     high
7            8     high
8            9     high
9           10     high

在这个示例中，我们将column_name列的值分为两个分类：低（0-5）和高（6-10），并将分类结果存储在名为category的新列中。

腾讯云相关产品和产品介绍链接地址：