我刚开始使用Pandas，我了解到处理数据时，通常的做法是将数据分组，创建虚拟变量，甚至在DataFrame中创建新列。然而，我遇到了一些代码行，不明白它们做了什么。这些代码的目的是将一个分类列的数据按年龄分成3列。

ratings_df.loc[(ratings_df['age'] <= 40), 'age_group'] = '40 years and younger'
ratings_df.loc[(ratings_df['age'] > 40) & (ratings_df['age'] < 57), 'age_group'] = 'between 40 and 57 years'
ratings_df.loc[(ratings_df['age'] >= 57), 'age_group'] = '57 years and older'

它并没有创建一个新列或一个新DataFrame，但后来在回归模型中与另一个独立变量’beauty’一起用于训练数据

lm = ols('beauty ~ age_group', data = ratings_df).fit()

它做了什么？

回答：

可以更容易地将这些代码行视为如下形式：

condition = (ratings_df['age'] <= 40)
column_name = 'age_group'
new_value = '40 years and younger'
ratings_df.loc[condition, column_name] = new_value

简而言之，对于ratings_df['age'] <= 40为真的每一行，名为age_group的列被设置为新值"40 years and younger"。