### 添加一级和二级标签到数据集 为了在 Python 中为数据集添加一级和二级标签，可以利用 `pandas` 库来操作数据框。通过创建新的列并填充相应的标签值实现这一目标。 对于给定的数据集，假设存在一个名为 `student_data` 的 DataFrame，其中包含学生的缺勤次数 (`absences`) 和最终成绩 (`G3`) 等信息。现在想要基于某些条件向此数据集中添加两个新标签：一个是主要分类的一级标签；另一个是从属于一级类别的二级标签。 #### 创建一级标签 可以通过定义函数或者直接使用逻辑表达式来决定每一行应该分配哪个一级标签。例如： ```python import pandas as pd def assign_primary_label(row): if row['absences'] > 10: return 'High Absence' elif row['absences'] <= 10 and row['absences'] >= 5: return 'Moderate Absence' else: return 'Low Absence' # Apply function to create new column for primary label student_data['Primary_Label'] = student_data.apply(assign_primary_label, axis=1) ``` 这段代码会遍历整个 `student_data` 数据帧中的每一条记录，并依据学生缺勤天数的不同范围为其打上不同的“一级标签”。 #### 创建二级标签 同样地，也可以按照其他属性或组合多个字段的信息来设定更细致的子类别——即所谓的“二级标签”。这里举例说明如果根据地理位置(`location`)进一步细分上述三个大类的方法如下所示: ```python def assign_secondary_label(row): if row['Primary_Label']=='High Absence': if row['location']=="urban": return "Urban High" else: return "Rural High" elif row['Primary_Label']=='Moderate Absence': if row['location']=="urban": return "Urban Moderate" else: return "Rural Moderate" else: # Low Absence case if row['location']=="urban": return "Urban Low" else: return "Rural Low" # Apply function to create new column for secondary label student_data['Secondary_Label'] = student_data.apply(assign_secondary_label, axis=1) ``` 这样就完成了对学生数据表中每个个体既按其旷课情况又考虑居住环境进行了双重标注的工作[^1]。