pandas 分桶统计数量

可以使用 pandas 的 `cut()` 函数来进行分桶操作，然后使用 `value_counts()` 函数来统计每个分桶中的数量。

例如，假设有一个包含年龄数据的 DataFrame，我们想要将年龄分为 10 岁一段，然后统计每个分桶中的人数，可以按照以下步骤操作：

import pandas as pd

# 创建 DataFrame
df = pd.DataFrame({'age': [18, 22, 35, 42, 55, 63, 71, 84, 91]})

# 将年龄分为 10 岁一段
bins = range(0, 101, 10)
df['age_group'] = pd.cut(df['age'], bins)

# 统计每个分桶中的人数
counts = df['age_group'].value_counts()

print(counts)

输出结果为：

(10, 20]    1
(20, 30]    1
(30, 40]    1
(40, 50]    1
(50, 60]    1
(60, 70]    1
(70, 80]    1
(80, 90]    1
(90, 100]   1
Name: age_group, dtype: int64

以上代码中，`range(0, 101, 10)` 表示生成一个从 0 到 100 的整数序列，每隔 10 个取一个数，即 `[0, 10, 20, ..., 100]`。`pd.cut()` 函数将 `df['age']` 列中的数据按照这个序列进行分桶，生成一个新的 `age_group` 列。最后使用 `value_counts()` 函数对 `age_group` 列中的数据进行统计。