在昨天標籤編碼法（Label Encoding）的舉例中，我們可以透過 sklearn 中的函數 LabelEncoder 將類別型態轉為數值型態，那大家是否逆向思考過「如何將數值型態轉換為類別型態呢？」，為了更熟悉操作，我決定將內容寫下來作為一個整理和複習！話不多說，一起看下去吧！

■ 問題｜如何將數值依據區間範圍轉換為類別型態？

舉例：將18~40歲設為青年，41~65歲設為壯年，65歲以上設為老年

■ 方法｜自定義函式結合應用函數

使用自定義函式 def 設定條件後，以 apply() 函式轉換。

import pandas as pd
data = {'name':['Alan','Chris','Dora','Elas','Ida'],
        'gender':['M','M','F','F','M'],
        'age':[68,23,32,50,42]}
df = pd.DataFrame(data)

# 自定義函式：設定年齡段區間
def group(age):
    if 18 <= age <= 40:
        return '青年'
    elif 40 < age <= 65:
        return '壯年'
    else:
        return '老年'

# 新增 age_group 欄位呈現
df['age_group'] = df['age'].apply(group)
print(df)

輸出結果：

■ 方法｜匿名函式結合應用函數

Lambda 函式又被稱為「匿名函式」，不需要透過 def 替函式命名，適用於一次性的操作，未來無法再次呼叫，其寫法簡易 lambda arguments：expression 是只有一行運算式的 Python 函式。

• arguments 參數，可以有零個或多個
• expression 包含單一運算式的表達式

import pandas as pd
data = {'name':['Alan','Chris','Dora','Elas','Ida'],
        'gender':['M','M','F','F','M'],
        'age':[68,23,32,50,42]}
df = pd.DataFrame(data)
# 使用Lambda函式，透過apply()將年紀轉換成年齡段區間
df['age_group'] = df['age'].apply(lambda age:'青年' if 18 <= age <= 40 else 
					                        ('壯年' if 40 < age <= 65 else '老年'))
print(df)

輸出結果：

■ 結語

想要自行定義轉換規則，可以使用 def 或 Lambda，前者雖然會寫比較多行，但對於團隊協同開發時，不僅可以重複取用，還易於閱讀，而後者的優點則是簡潔快速，大家可以視需求決定操作！如果有任何不理解、錯誤或其他方法想分享的話，歡迎留言給我！喜歡的話，也歡迎按讚訂閱唷！

我是 Eva，一位正在努力跨進資料科學領域的女子！我們下一篇文章見！Bye Bye~
【本篇文章將同步更新於個人的 Medium，期待與您的相遇！】