#统计概率各自出现的次数 df=pd.DataFrame(data_info01) counts=df['PRED_PROB'].value_counts() counts_df=counts.to_frame().reset_index().rename(columns={'index':'概率'，'数量':'count'}) print(counts_df.head(10))优化代码：使之成为统计100%-90%概率，90%-80%概率等之间的数量

要统计不同概率值的出现次数，可以使用`value_counts()`函数。以下是优化后的代码，用于统计不同概率区间的数量：

import pandas as pd

# 创建一个示例的DataFrame
df = pd.DataFrame(data_info01)

# 统计概率各自出现的次数
counts = df['PRED_PROB'].value_counts().sort_index(ascending=False)

# 创建概率区间
prob_intervals = [(x / 10, (x - 10) / 10) for x in range(100, 80, -10)]

# 统计每个概率区间的数量
counts_df = pd.DataFrame(columns=['概率区间', '数量'])
for interval in prob_intervals:
    count = counts.loc[(df['PRED_PROB'] <= interval[0]) & (df['PRED_PROB'] > interval[1])].sum()
    counts_df = counts_df.append({'概率区间': f'{interval[0]*10}% - {interval[1]*10}%', '数量': count}, ignore_index=True)

print(counts_df)

这段代码会按照每个概率区间统计数量，例如统计100%-90%概率、90%-80%概率等之间的数量。输出结果会给出每个概率区间的数量。