Python数据分析与应用 |第4章 使用pandas进行数据预处理 （4）统计每个区间内的年龄个数

在Python的数据分析中，Pandas是一个非常强大的工具，特别是用于数据预处理。当你想要统计每个区间内的年龄个数时，可以利用Pandas提供的`cut()`函数来对连续的数值数据进行分组，然后通过`value_counts()`函数计算每个区间的频数。

例如，假设你有一个名为`df`的DataFrame，其中包含一列名为`age`的年龄数据，你可以这样做：

import pandas as pd

# 假设df['age']是你需要分析的年龄数据
bins = [0, 18, 30, 50, 60]  # 定义年龄区间
labels = ['青少年', '青年', '中年', '老年']  # 区间标签

# 将年龄分到各个区间
df['age_group'] = pd.cut(df['age'], bins=bins, labels=labels)

# 统计每个区间的年龄个数
age_counts = df['age_group'].value_counts()

print(age_counts)

这将输出每个年龄段的计数值，显示了每个区间内年龄的分布情况。