Hier is een overzicht van hoe je je DataFrame kunt aanpassen met verschillende methoden om de 'Leeftijd' te categoriseren: 1. **Functie definiëren voor categorisering:** ```python import pandas as pd def categorize_leeftijd(leeftijd): if leeftijd < 18: return 'Minderjarig' elif 18 <= leeftijd <= 64: return 'Volwassene' else: return 'Senior' ``` 2. **Gebruik maken van `apply()` (flexibel, geschikt voor complexe logica):** ```python df['Leeftijd_categorie'] = df['Leeftijd'].apply(categorize_leeftijd) ``` *Uitleg:* - `apply()` past de functie toe op elke rij of kolom. - Handig bij complexe of niet-standaard logica. - Kan minder efficiënt zijn voor grote datasets. --- 3. **Gebruik maken van `map()` met een mapping dictionary (efficiënt voor discrete categorieën):** ```python # Eerst een functie of mapping maken def map_leeftijd_to_categorie(leeftijd): if leeftijd < 18: return 'Minderjarig' elif 18 <= leeftijd <= 64: return 'Volwassene' else: return 'Senior' # Maar dit is hetzelfde als apply(), dus voor eenvoudige mapping is het niet ideaal. # Alternatief, gebruik een pandas.cut() voor numerieke discretisering: bins = [0, 17, 64, float('inf')] labels = ['Minderjarig', 'Volwassene', 'Senior'] df['Leeftijd_categorie'] = pd.cut(df['Leeftijd'], bins=bins, labels=labels, right=True) ``` *Uitleg:* - `pd.cut()` is zeer geschikt voor het discretiseren van numerieke variabelen in categorieën op basis van intervallen. - Dit is meestal efficiënter dan `apply()` voor grote datasets. --- ### **Wanneer welke methode te gebruiken?** | Methode | Voordelen | Nadelen | Geschikt voor | |------------------|----------------------------------------------|-------------------------------------------|----------------------------------------------| | `apply()` | Flexibel, geschikt voor complexe logica | Minder efficiënt op grote datasets | Wanneer je complexe voorwaarden hebt | | `map()` | Eenvoudig en snel voor discrete vervangingen | Beperkt tot eenvoudige vervangingen | Voor eenvoudige vervangingen op kleine datasets | | `pd.cut()` | Efficiënt voor discretiseren van numerieke data | Minder flexibel voor complexe voorwaarden | Voor het opdelen van numerieke data in intervallen | --- **Voor jouw geval**: Omdat je 'Leeftijd' categorizeert in vaste groepen op basis van numerieke intervallen, is `pd.cut()` de meest efficiënte en eenvoudige methode. ### Complete codevoorbeeld: ```python import pandas as pd # Voorbeeld DataFrame data = { 'Naam': ['Jan', 'Marie', 'Kees', 'Els'], 'Leeftijd': [17, 25, 70, 15], 'Salaris': [2000, 3000, 4000, 1500] } df = pd.DataFrame(data) # Categoriseer leeftijden met pd.cut() bins = [0, 17, 64, float('inf')] labels = ['Minderjarig', 'Volwassene', 'Senior'] df['Leeftijd_categorie'] = pd.cut(df['Leeftijd'], bins=bins, labels=labels, right=True) print(df) ``` Dit geeft: ``` Naam Leeftijd Salaris Leeftijd_categorie 0 Jan 17 2000 Minderjarig 1 Marie 25 3000 Volwassene 2 Kees 70 4000 Senior 3 Els 15 1500 Minderjarig ``` --- Mocht je nog verdere vragen hebben of andere transformaties willen, laat het gerust weten!

Zeker, hier is een gedetailleerd overzicht met codevoorbeelden in het Nederlands: ## 1. Vectorisatie met `pd.cut()` (Aanbevolen - Meest efficiënt) ```python import pandas as pd # Voorbeeld DataFrame data = { 'Naam': ['Anna', 'Bram', 'Chris', 'Daan', 'Eva'], 'Leeftijd': [17, 25, 42, 67, 15], 'Salaris': [30000, 45000, 60000, 55000, 25000] } df = pd.DataFrame(data) # Categoriseer leeftijd met vectorisatie leeftijd_bins = [0, 18, 65, 120] leeftijd_labels = ['Minderjarig', 'Volwassene', 'Senior'] df['Leeftijdsgroep'] = pd.cut(df['Leeftijd'], bins=leeftijd_bins, labels=leeftijd_labels, right=False) ``` ## 2. Met `apply()` en een aangepaste functie ```python def categoriseer_leeftijd(leeftijd): if leeftijd < 18: return 'Minderjarig' elif 18 <= leeftijd < 65: return 'Volwassene' else: return 'Senior' # Toepassen met apply() df['Leeftijdsgroep_apply'] = df['Leeftijd'].apply(categoriseer_leeftijd) ``` ## 3. Met `map()` en een dictionary ```python # Alternatief met map() (minder geschikt voor complexe voorwaarden) def leeftijd_naar_groep(leeftijd): if leeftijd < 18: return 'Minderjarig' elif leeftijd < 65: return 'Volwassene' else: return 'Senior' # Maak een mapping series mapping = df['Leeftijd'].map(leeftijd_naar_groep) df['Leeftijdsgroep_map'] = mapping ``` ## 4. Complete weergave van het resultaat ```python print("Volledige DataFrame met nieuwe kolom:") print(df[['Naam', 'Leeftijd', 'Leeftijdsgroep', 'Salaris']]) ``` ## Wanneer welke methode gebruiken: **`pd.cut()`/`pd.qcut()` (Vectorisatie) - AANBEVOLEN** - ✅ Beste prestaties (snelste) - ✅ Ideaal voor numerieke bins/ranges - ✅ Makkelijk aanpasbare grenzen **`apply()`** - ✅ Goed voor complexe, aangepaste functies - ✅ Flexibele logica mogelijk - ⚠️ Langzamer dan vectorisatie **`map()`** - ✅ Handig voor eenvoudige value mapping - ✅ Goed voor categorie→categorie transformaties - ⚠️ Niet optimaal voor range-based voorwaarden ## Extra voorbeeld: Salaris categorisatie ```python # Vectorisatie voor salariscategorieën salaris_bins = [0, 30000, 50000, 100000] salaris_labels = ['Laag', 'Medium', 'Hoog'] df['Salariscategorie'] = pd.cut(df['Salaris'], bins=salaris_bins, labels=salaris_labels, right=False) print(df[['Naam', 'Salaris', 'Salariscategorie']]) ``` **Conclusie**: Gebruik `pd.cut()` voor leeftijdsgroepen omdat het de meest efficiënte en leesbare oplossing is voor dit soort numerieke range-categorisatie.