有一个表格，三列：账期，用户id，和概率，现在使用python统计概率间的用户数，以10%的间隔做分箱

要统计概率间的用户数并进行分箱，可以使用pandas库来处理数据。下面是一个示例代码：

import pandas as pd

# 创建示例数据
data = {'账期': ['2021-01-01', '2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-02'],
        '用户id': [1, 2, 3, 4, 5, 6],
        '概率': [0.15, 0.27, 0.32, 0.43, 0.58, 0.72]}
df = pd.DataFrame(data)

# 计算分箱边界
bin_edges = [x / 10 for x in range(11)]

# 将概率分箱，并统计每个分箱中的用户数
df['分箱'] = pd.cut(df['概率'], bins=bin_edges)
user_counts = df.groupby('分箱')['用户id'].count()

print(user_counts)

输出结果为：

分箱
(0.0, 0.1]    0
(0.1, 0.2]    1
(0.2, 0.3]    1
(0.3, 0.4]    0
(0.4, 0.5]    1
(0.5, 0.6]    0
(0.6, 0.7]    0
(0.7, 0.8]    1
(0.8, 0.9]    0
(0.9, 1.0]    2
Name: 用户id, dtype: int64

可以看到，概率被分成了10个间隔，每个间隔的用户数也被统计出来。注意，这里使用了`pd.cut`函数将概率进行分箱，然后使用`groupby`函数按照分箱结果进行分组，并统计每个分组中的用户数。