python 假设属性age包括如下值：13，15，16，16，19，20，20，21，22， 22， 22，25，25，25，30，33，33，35，35， 35，35 ，36，40，45，46，52，70。等频法（等深分箱法）分为3个箱，用箱均值光滑以上数据。

等频法（也称为等深分箱法）是一种常见的数据分箱方法，它将数据分成相等数量的区间或“箱”。在这个例子中，我们要将年龄数据分为3个箱子（箱数固定为3），使得每个箱子包含大致相等数量的数据点。

首先，我们需要对给定的年龄数据进行排序，然后计算数据的分位数，找到分割点。因为有3个箱子，我们可以取三个等间距的分位数，通常是第一四分位数（Q1）、中位数（Q2）和第三四分位数（Q3）。这样可以保证每个箱子里大约有等量的数据。

对于Python，你可以使用pandas库来方便地处理这个任务：

import pandas as pd

# 假设age_data是一个包含年龄的列表
age_data = [13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 22, 25, 25, 25, 30, 33, 33, 35, 35, 35, 35, 36, 40, 45, 46, 52, 70]

# 将数据转换为DataFrame
df = pd.Series(age_data)

# 计算分位数
q1, q2, q3 = df.quantile([0.25, 0.5, 0.75])

# 箱子边界（包含左端点）
boundaries = [min(df), q1, q2, q3, max(df)]

# 创建新的箱子标签
bins = pd.cut(df, boundaries, labels=False)

# 按照箱子重新计数每个年龄段
group_counts = bins.value_counts()

# 查看分箱后的结果及各箱内的平均值（这里假设光滑即为简单计算箱内平均值）
smoothed_ages = group_counts.mean()